Aktualisiert im Mai 2025.
Dieser Kurs bietet jetzt den Coursera Coach! Eine intelligentere Art zu lernen – mit interaktiven Echtzeit-Gesprächen, die Ihnen helfen, Ihr Wissen zu testen, Annahmen zu hinterfragen und Ihr Verständnis im Laufe des Kurses zu vertiefen. Begeben Sie sich mit diesem umfassenden Kurs auf eine transformative Reise durch modernes maschinelles Lernen, Computer Vision und generative KI. Entdecken Sie branchenführende Techniken wie Bildklassifizierung, Objekterkennung und hochmoderne generative Modelle, die auf KerasCV und Stable Diffusion basieren. Sammeln Sie praktische Erfahrungen mit Tools und Frameworks, die diese fortgeschrittenen Themen zugänglich und umsetzbar machen. Der Kurs beginnt mit den Grundlagen vortrainierter Modelle und des Transferlernens und versetzt Sie in die Lage, Bildklassifikatoren in Python zu implementieren und zu optimieren. Anschließend tauchen Sie in die Objekterkennung ein und lernen, Datensatzformate, Augmentationstechniken und Verlustfunktionen zu beherrschen, während Sie KerasCV für eine effiziente Feinabstimmung nutzen. Anschließend beschäftigen Sie sich mit generativer KI mithilfe von Stable Diffusion und entdecken dessen Architektur, Funktionsweise und Codebasis. Lernen Sie, beeindruckende visuelle Inhalte zu erstellen, und verstehen Sie, wie diese Modelle auf Eingabeaufforderungen reagieren – so erhalten Sie Einblicke in die neuesten Entwicklungen der KI-gestützten Kreativität. Zusätzliche Module bieten Anleitungen zur Programmierung in Python, zur Einrichtung der Entwicklungsumgebung und zu Lernstrategien, um sicherzustellen, dass Lernende aller Niveaustufen erfolgreich sein können. Dieser Kurs richtet sich an Lernende, die sich für Deep Learning, Computer Vision und KI-Kreativität interessieren. Grundkenntnisse in Python und maschinellem Lernen werden empfohlen. Ganz gleich, ob Sie Entwickler, Forscher oder Enthusiast sind – dieser Kurs für Fortgeschrittene wird Ihre Fähigkeiten erweitern und Ihnen neue Horizonte in der KI-Innovation eröffnen.
















