Am Ende dieses Kurses sind die Teilnehmer in der Lage, zentrale Deep-Learning-Architekturen zu analysieren, neuronale Netze auf visuelle Daten anzuwenden und Computer-Vision-Techniken zur Lösung realer Probleme zu bewerten. Die Teilnehmer entwickeln die Fähigkeit, zu verstehen, wie Modelle aus Bildern lernen, geeignete Architekturen für bestimmte Aufgaben auszuwählen und Lösungen für das visuelle Verstehen und die visuelle Generierung umzusetzen.

Dieser Kurs verbindet grundlegende Konzepte des Deep Learning mit praktischen Anwendungen der Bildverarbeitung und ermöglicht den Teilnehmenden so einen nahtlosen Übergang von der Theorie zur Umsetzung. Ausgehend von neuronalen Netzen, konvolutionellen und rekurrenten Architekturen bauen die Teilnehmer eine solide konzeptionelle Grundlage auf, bevor sie sich mit Bildverarbeitung, Merkmalsextraktion, Objekterkennung, Segmentierung und Bildgenerierung befassen. Der Schwerpunkt liegt auf modernen Arbeitsabläufen wie Transferlernen und generativer Modellierung, um aktuelle Branchenpraktiken widerzuspiegeln. Was diesen Kurs einzigartig macht, ist seine durchgängige Struktur, die die Grundlagen des Deep Learning direkt mit Anwendungsfällen der visuellen Intelligenz verknüpft. Anstatt Deep Learning und Computer Vision als getrennte Disziplinen zu behandeln, vereint der Kurs beide zu einem einzigen, zusammenhängenden Lernprozess. Dieser Ansatz vermittelt den Lernenden berufsrelevante Fähigkeiten, die in den Bereichen KI-Entwicklung, Data Science und Computer Vision branchenübergreifend einsetzbar sind.