Deep Learning für Anwendungen im Online-Marketing mit Zusatzqualifikation TensorFlow, SQL und Python 3 In dieser Weiterbildung erlernen Sie die Anwendung von Visual Computing im Kontext des Online-Marketings. Sie werden in die Lage versetzt, Deep-Learning-Modelle zu entwickeln und zu implementieren, um visuelle Daten für Marketingstrategien zu nutzen. Sie erwerben Kenntnisse in Visual Computing, um Bild- und Videodaten zu analysieren und daraus relevante Informationen für das Online-Marketing zu gewinnen. Mit TensorFlow lernen Sie, neuronale Netzwerke zu erstellen und zu trainieren, die visuelle Inhalte interpretieren. Durch den Einsatz von SQL können Sie große Datenmengen effizient verwalten und abfragen. Mit Python 3 entwickeln Sie Skripte, die Visual-Computing-Modelle in bestehende Marketingprozesse integrieren. Anhand praxisnaher Übungen wenden Sie Visual-Computing-Techniken auf reale Marketingdaten an. Sie implementieren Deep-Learning-Modelle mit TensorFlow, nutzen SQL für Datenanalysen und programmieren in Python 3. Nach Abschluss sind Sie in der Lage, Visual-Computing-Methoden im Online-Marketing einzusetzen, um datengetriebene Entscheidungen zu unterstützen und Marketingkampagnen zu optimieren.

Grundlagen des Deep Learnings
  • Kenntnisse im Bereich Visual Computing und den Aufgaben sowie Funktionen von Deep Learning
  • Abgrenzung von Machine Learning und Deep Learning
  • mit Fokus auf Visual Computing und Einführung in Neuronale Netze
  • Backpropagation und Aktualisierung der Gewichte
  • Anwendungen aus dem Visual Computing beim Trainieren eines Neuronalen Netzes

Programmiersprachen und -bibliotheken
  • Einführung in Python mit Bezug zu Visual Computing
  • Python- und Machine-Learning-Bibliotheken
  • Grundlegende Programmierkonzepte für Visual Computing
  • Datenstrukturen
  • Standard-Datentypen, Funktionen, Ein-und Ausgabe im Kontext von Visual Computing
  • Python-Skripte

Machine Learning mit TensorFlow und Keras
  • Verbindungen zu TensorFlow mit Fokus auf Visual Computing
  • Installation und Einrichtung von TensorFlow
  • Visual Computing in der grundlegenden Verwendung von TensorFlow
  • Erstellen von Machine Learning-Modellen mit Keras
  • Visualisierung von Ergebnissen mit Keras unter Einbeziehung von Visual Computing
  • Benutzen von vorgefertigten Modellen mit Keras

Datenmanagement mit SQL und Python
  • Einführung in SQL und relationale Datenbanken für Visual Computing
  • Datenbankmodellierung und Namenskonventionen
  • Normalisierung und Normalformen, Datentypen und Keys, Indizes bei Visual Computing-Anwendungen
  • SELECT, JOIN und GROUP BY
  • Visual Computing beim Ändern von Daten über INSERT, UPDATE und DELETE
  • Anwendung von verschiedenen komplexen SELECTs

Datenanalyse und -visualisierung
  • Einführung in Pandas und Dataframes für Visual Computing
  • Datenreinigung und Datenvisualisierung
  • Visual Computing in NumPy und Messdatenverarbeitung
  • Testen und Tuning
  • Modellieren mit Kellern, Schlangen und Graphen aus Perspektive des Visual Computing

Spezialthemen in Deep Learning
  • Automatische Bilderkennung und Anwendungen aus Visual Computing
  • Hyperparameteroptimierung
  • Transfer Learning mit Fokus auf Visual Computing
  • Anwendungen in Cloud Deep Learning, Bildgenerierung, Musik und Video

Projektarbeit und praktische Anwendung
  • Praxisarbeit: Programmierung Neuronales Netzwerk bezogen auf Visual Computing
  • Praxisarbeit: Optimierung Neuronales Netzwerk
  • Qualifikationsprojekt Data Science mit Schwerpunkt auf Visual Computing
  • Allgemeine Tipps und Tricks zu TensorFlow