Deep Learning – Teil 2: Bildverarbeitung
195,00 €
Sofort verfügbar, Lieferzeit: Sofort lieferbar
Vertiefendes Wissen rund um moderne Bildverarbeitung – von Convolutional Neural Networks bis hin zu generativen Modellen. Der Python-Dozent Ilyas Tachakor zeigt in seinem Videokurs alle Inhalte Schritt für Schritt. Der Kurs ermöglicht das direkte Mitmachen in Praxisprojekten und die Überprüfung des Erlernten in Quizfragen.
Produktinformationen "Deep Learning – Teil 2: Bildverarbeitung"
Der zweite Teil unserer Einstiegsreihe zu Deep Learning widmet sich voll und ganz den faszinierenden Möglichkeiten, die Deep Learning in der Bildverarbeitung bietet. Mit Convolutional Neural Networks (CNNs) lernen Sie das Herzstück moderner Computer Vision kennen – und verstehen, wie Bilder analysiert, klassifiziert und verarbeitet werden.
Darüber hinaus tauchen Sie in fortgeschrittene Techniken ein, die heute in zahlreichen Anwendungen zum Einsatz kommen. Sie erfahren, wie Sie mit dem Sliding-Window-Verfahren Objekte in Bildern lokalisieren oder mit Transfer Learning vortrainierte Modelle wie VGG16 gezielt für eigene Bilderkennungsprojekte nutzen können.
Ein weiterer Schwerpunkt liegt auf Autoencodern, mit denen Sie u.a. verrauschte Bilder rekonstruieren können. Schließlich erhalten Sie eine Einführung in Generative Adversarial Networks (GANs) – ein innovativer Ansatz zum Generieren von Bildern.
Alle Kurse dieser Reihe legen großen Wert auf Praxis: Zahlreiche Übungen, Code-Beispiele und Projekte ermöglichen es Ihnen, das Gelernte unmittelbar anzuwenden. Mit diesem Kurs bauen Sie Ihre Kenntnisse im Bereich Deep Learning deutlich aus und sind anschließend bereit für anspruchsvolle Bildverarbeitungsaufgaben.
Länge: 06:24 Stunden
Alle Video-Lektionen im Überblick:
- Herzlich willkommen zu diesem Kurs
- Kapitelüberblick
- Die Hauptkomponenten eines CNN
- CNNs für Schwarz-Weiß-Bilder
- CNNs für Farbbilder
- GPU-Konfiguration für CNNs
- Bilddaten für CNNs importieren
- Bilddaten für CNNs filtern
- CNN erstellen
- CNN trainieren und bewerten
- Quiz: CNNs – Convolutional Neural Networks
- Kapitelüberblick
- Projektvorlage in Python
- Projektlösung in Python
- Kapitelüberblick
- Transfer Learning – Intuition
- Sliding Window – Intuition
- Bilddaten für Transfer Learning importieren
- Transfer-Learning-Modell erstellen
- Transfer-Learning-Modell trainieren
- Transfer-Learning-Modell bewerten
- Sliding Window (Schritt für Schritt)
- Texte auf Bildern mit OpenCV hinzufügen
- Mit For-Schleifen über Bilder iterieren
- Sliding Window automatisiert durchführen
- Zusammenfassung aller Sliding-Window-Schritte
- Überlappungen in den Sliding-Window-Vorhersagen entfernen
- Quiz: Transfer Learning und das Sliding-Window-Verfahren
- Kapitelüberblick
- Projektvorlage in Python
- Projektlösung in Python
- Kapitelüberblick
- Autoencoders – Intuition
- Vorstellung der Fashion-MNIST-Daten
- Bildrauschen bei Fashion-MNIST hinzufügen
- Autoencoder erstellen und trainieren
- Autoencoder bewerten
- Quiz: Autoencoders
- Kapitelüberblick
- Projektvorlage in Python
- Projektlösung in Python
- Kapitelüberblick
- GANs – Intuition
- GAN-Datensatz visualisieren
- GAN-Datenpipeline erstellen
- GAN-Generator erstellen
- GAN-Discriminator erstellen
- GAN trainieren
- GAN bewerten
- Quiz: GANs – Generative Adversarial Networks
- Kapitelüberblick
- Projektvorlage in Python
- Projektlösung in Python
- Fazit und Kursabschluss
Über den Trainer:
Ilyas Tachakor entdeckte bereits während seines Informatikstudiums seine Leidenschaft für Data Science. Bevor er sich als Online-Dozent selbstständig machte, entwickelte er bei einem führenden deutschen EdTech-Startup innovative Lerninhalte im Bereich Informatik. Diese Erfahrung verschaffte ihm ein umfassendes Verständnis für die Bedürfnisse von Lernenden. Heute verbindet er dieses Wissen mit seiner Fachkompetenz, um in seinen praxisorientierten Videokursen ein nachhaltiges Lernerlebnis zu schaffen und Menschen für moderne Technologien zu begeistern.
So lernen Sie mit diesem Videokurs:
In den Videokursen von heise academy lernen Sie IT-Themen anschaulich und verständlich. In den Videos schauen Sie den Experten bei der praktischen Arbeit zu und lassen sich dabei alles genau erklären. Das Wissen ist in kleine Lernschritte und Aufgaben unterteilt, sodass Sie den Kurs Lektion für Lektion durcharbeiten oder gezielt zu Themen springen können, die Sie interessieren. Die persönliche Lernumgebung der heise academy hält viele Funktionen für Sie bereit, die Ihnen beim Lernen helfen können:
- Flexibler Videoplayer mit vielen Steuerungsmöglichkeiten
- Wissensquiz zur Lernkontrolle
- Lernhistorie und Lernfortschritt
- Lesezeichen und Notizen
- Volltextsuche in den Videos
- Frage-den-Experten-Modul
- Übungsmaterial zum Mitmachen
- Responsive Web-App und Videostreaming für alle Endgeräte
Technische Voraussetzungen:
Für diesen Videokurs werden lediglich ein Browser (mit eingeschalteter JavaScript-Funktionalität) und eine Internetverbindung benötigt.
Artikel-Details
- Anbieter:
- Heise Medien GmbH & Co. KG
- Artikelnummer:
- deep-learning-teil-2-bildverarbeitung-3082
- Veröffentlicht:
- 23.01.26