Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in fortgeschrittenes Transferlernen
- Rekapitulation der Grundlagen des Transferlernens
- Herausforderungen beim fortgeschrittenen Transferlernen
- Überblick über aktuelle Forschung und Fortschritte
Domänenspezifische Adaption
- Verständnis von Domänenanpassung und Domänenverschiebungen
- Techniken zur domänenspezifischen Feinabstimmung
- Fallstudien: Anpassung von vortrainierten Modellen an neue Domänen
Kontinuierliches Lernen
- Einführung in lebenslanges Lernen und seine Herausforderungen
- Techniken zur Vermeidung von katastrophalem Vergessen
- Implementierung von kontinuierlichem Lernen in neuronalen Netzen
Multi-Task-Lernen und Feinabstimmung
- Verständnis von Multi-Task-Learning-Rahmenwerken
- Strategien für die Multi-Task-Feinabstimmung
- Praktische Anwendungen des Multi-Task-Lernens
Fortgeschrittene Techniken für Transfer Learning
- Adapterschichten und leichte Feinabstimmung
- Meta-Lernen zur Optimierung des Transferlernens
- Sprachübergreifendes Transferlernen erforschen
Praktische Implementierung
- Aufbau eines domänenangepassten Modells
- Implementierung von Workflows für kontinuierliches Lernen
- Multi-Task-Feinabstimmung mit Hugging Face-Transformatoren
Anwendungen in der realen Welt
- Transferlernen in NLP und Computer Vision
- Anpassung von Modellen für das Gesundheits- und Finanzwesen
- Fallstudien zur Lösung von Problemen aus der Praxis
Zukünftige Trends beim Transfer Learning
- Aufkommende Techniken und Forschungsgebiete
- Chancen und Herausforderungen bei der Skalierung des Transferlernens
- Auswirkungen des Transferlernens auf die KI-Innovation
Zusammenfassung und nächste Schritte
Voraussetzungen
- Ausgeprägtes Verständnis von Konzepten des maschinellen Lernens und des Deep Learning
- Erfahrung mit Python-Programmierung
- Vertrautheit mit neuronalen Netzen und vortrainierten Modellen
Zielgruppe
- Ingenieure für maschinelles Lernen
- KI-Forscher
- Data Scientists mit Interesse an fortgeschrittenen Modellanpassungstechniken
14 Stunden