Schulungsübersicht

Introduction to Transfer Learning

  • Was ist Transferlernen?
  • Wichtige Vorteile und Grenzen
  • Wie sich Transfer Learning vom traditionellen maschinellen Lernen unterscheidet

Verständnis von vortrainierten Modellen

  • Überblick über beliebte vortrainierte Modelle (z. B. ResNet, BERT)
  • Modellarchitekturen und ihre wichtigsten Merkmale
  • Anwendungen von vor-trainierten Modellen in verschiedenen Domänen

Feinabstimmung vortrainierter Modelle

  • Verstehen der Merkmalsextraktion im Vergleich zur Feinabstimmung
  • Techniken für eine effektive Feinabstimmung
  • Vermeiden von Überanpassung während der Feinabstimmung

Transfer-Lernen in Natural Language Processing (NLP)

  • Anpassen von Sprachmodellen für kundenspezifische NLP-Aufgaben
  • Verwendung von Hugging Face Transformatoren für NLP
  • Fallstudie: Sentiment-Analyse mit Transfer Learning

Transfer-Lernen in Computer Vision

  • Anpassen von vortrainierten Bildgebungsmodellen
  • Verwendung von Transfer Learning zur Objekterkennung und -klassifizierung
  • Fallstudie: Bildklassifizierung mit Transfer Learning

Praktische Übungen

  • Laden und Verwenden von vortrainierten Modellen
  • Feinabstimmung eines vortrainierten Modells für eine bestimmte Aufgabe
  • Bewertung der Modellleistung und Verbesserung der Ergebnisse

Reale Anwendungen von Transfer Learning

  • Anwendungen im Gesundheitswesen, Finanzwesen und Einzelhandel
  • Erfolgsgeschichten und Fallstudien
  • Zukünftige Trends und Herausforderungen beim Transfer Learning

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis von Konzepten des maschinellen Lernens
  • Vertrautheit mit neuronalen Netzen und Deep Learning
  • Erfahrung mit Python-Programmierung

Zielgruppe

  • Datenwissenschaftler
  • Enthusiasten des maschinellen Lernens
  • KI-Experten, die Techniken zur Modellanpassung erforschen
 14 Stunden

Teilnehmerzahl


Price per participant (excl. VAT)

Kommende Kurse

Verwandte Kategorien