PyTorch

Konzepte und Verfahren

Deep Learning ist nicht gleich Deep Learning. Lernen Sie, einschlägige Verfahren nicht nur zu implementieren, sondern fundiert auszuwählen und zielorientiert einzusetzen - auch in Kombinationen.

Entscheidend für das Training der Deep-Learning-Modelle sind Daten. Worauf es bei der Aufbereitung ankommt, hängt vom gewählten Verfahren ab. Lernen Sie das richtige Vorgehen für Aufgaben wie Klassifizierungen, zeitreihenbasierte Vorhersagen, Computer Vision u. v. m.

Mit Autoencodern und VAEs lernen Sie zwei leistungsstarke Architekturen für unüberwachtes Lernen kennen. Nach einer grundlegenden Einführung sehen Sie die praktische Umsetzung mit vollständigen, einsatzbereiten Codebeispielen.

Passen Sie mit HuggingFace vortrainierte LLMs an spezifische Aufgaben an und optimieren Sie dabei Speicherbedarf und Rechenaufwand.

Setzen Sie für die Evaluierung und das Deployment Ihrer Modelle modernste Tools ein: von FlowML über TensorBoard und WandB bis zu FastAPI für den lokalen Betrieb und Heroku für die Cloud.