In diesem Kurs wird erläutert, wie Künstliche Intelligenz in der Verarbeitung und Analyse von Bilddaten eingesetzt werden kann und warum die Verfahren gerade in diesem Fachbereich so herausragende Ergebnisse liefern.
Der Kurs bietet einen Einstieg in die Grundkonzepte der Bildverarbeitung mit Neuronalen Netzen, ohne auf die Mathematik oder die Implementierung einzugehen. Daher ist er für alle Interessierten, unabhängig vom individuellen Hintergrund, relevant.
Lernziele
- Du kannst einen grundlegenden Überblick über Fachbereich und Anwendungsgebiete geben und eine erste Verknüpfung zu eigenen Problemstellungen herstellen.
- Du kannst die grundlegende Funktionsweise des Maschinellen Lernens (ohne Mathematik) wiedergeben und kannst die Konzepte Merkmalsraum, Klassifikationsgerade und Training erläutern.
- Du kannst die speziellen Probleme der Merkmalsbeschreibung bei der Arbeit mit Bilddaten benennen und verfügst über Grundkenntnisse zu Maschinellem Lernen mit Neuronalen Netzen.
- Du kannst grundlegend CNNS zur impliziten Merkmalsbeschreibung erläutern.
- Du bist in der Lage, die theoretischen Kenntnisse auf praktische Anwendungsfälle zu übertragen und die gelernten Kursinhalte mit eigenen Problemstellungen zu verknüpfen. Du kannst das Konzept der Generalisierbarkeit und das Problem der Überanpassung darstellen.
Kursaufbau
Einführung
- Einführung
- Anwendungsbeispiele
Grundkonzepte maschinellen Lernens
- Einführung
- Entscheidungsfindung und Klassifikation
- Objekte und Merkmale
- Der Merkmalsraum
- Lernen auf Merkmalen
- Relevanz von Merkmalsbeschreibung
Maschinelles Lernen auf Bildern
- Einführung
- Neuronale Netze
- Convolutional Neural Networks (CNN)
Anwendungen und praktische Aspekte
- Anwendungen von Bildklassifikation
- Überanpassung und Generalisierbarkeit
Abschluss/Zertifikat