Maschinelles Lernen (ML) für Apps - Praxis

Zielgruppen:

Interessenten mit abgeschlossener Berufsausbildung oder Berufserfahrungen im Medienbereich, Kommunikationsbereich oder kaufmännischen Bereich, die sicher im Umgang mit dem PC sind sowie eine Affinität zum Internet und digitalen Medien haben und die sich im Thema: Maschinelles Lernen (ML) für Apps - Praxis weiterbilden wollen.

Fachliche Voraussetzungen:

Keine besonderen Anforderungen.

Technische Voraussetzungen:

Keine besonderen Anforderungen.

Systematik der Agenturen für Arbeit:

keine Angaben

Inhalte

Maschinelles Lernen wird heute überall eingesetzt


Das maschinelle Lernen erreicht den Mainstream. Mit den neuen Werkzeugen, die den Entwicklern zur Verfügung stehen, ist es jetzt möglich, Funktionen des maschinellen Lernens - Sprach-, Gesichts- und Bilderkennung, personalisierte Empfehlungen und mehr - in einem mobilen Kontext zu implementieren.

Sie werden untersuchen, wie die Leistungsfähigkeit des maschinellen Lernens auf die Entwicklung mobiler Anwendungen angewendet werden kann, wobei Plattformen wie IBM Watson, Microsoft Azure Cognitive Services und Apple Core ML vorgestellt werden und die verschiedenen Funktionen und Ansätze des maschinellen Lernens sehen werden.

Lernen Sie, wie man Modelle für natürliche Sprache und visuelle Erkennung trainiert und einsetzt und wie man statistische Modelle für die Verwendung in einer mobilen Anwendung generiert.

Einführung
- Maschinelles Lernen in mobilen Anwendungen
- Was Sie über Mobiles ML wissen sollten

Einführung in maschinelles Lernen
- Was ist maschinelles Lernen?
- Erforderliche Konzepte
- Ein Modell trainieren
- Maschinelles Lernen (ML) versus tiefes Lernen (DL)
- Was kann ich mit maschinellem Lernen tun?
- Serverseitige versus clientseitige ML
- ML-Frameworks

Server-Modell: IBM Watson
- Überblick über Watson
- Verstehen der natürlichen Sprache
- Verstehen der visuellen Erkennung
- Erstellen eines benutzerdefinierten Modells
- Trainieren und Bereitstellen eines benutzerdefinierten Modells
- Ausführen der Client-Anwendung

Server-Modell: Azure Machine Learning
- Azure Machine Learning Überblick
- Verstehen der natürlichen Sprache
- Verstehen der visuellen Erkennung
- Erstellen eines benutzerdefinierten Modells
- Trainieren und Bereitstellen eines benutzerdefinierten Modells
- Ausführen der Client-Anwendung

Client-Modell: Core-ML
- Core ML Überblick
- Verstehen der natürlichen Sprache
- Verstehen der visuellen Erkennung
- Erstellen eines benutzerdefinierten Modells
- Trainieren und Bereitstellen eines benutzerdefinierten Modells
- Ausführen der Client-Anwendung

Die Möglichkeiten verstehen
- Unterschiedliche Philosophien der Anbieter
- Warum Client-seitiges Modell versus Server-seitig
- Wann die eine oder die andere dieser Lösungen anzuwenden ist


Maschinelles Lernen wird heute überall eingesetzt, vom selbstfahrenden Auto über persönliche Assistenten wie Cortana, Alexa und Siri bis hin zu Sicherheitstechnologien wie Gesichtserkennung. Entwickler von Mobiltelefonen werden zunehmend aufgefordert, Technologien des maschinellen Lernens in ihre Anwendungen zu implementieren. Für viele von ihnen ist dies Neuland. Sie befassen sich mit der Beziehung zwischen maschinellem Lernen und dem Bereich der KI, die auf Anwendungsentwickler ausgerichtet sind. Sie werden verschiedene maschinelle Lernprodukte wie IBM Watson und kognitive Dienste von Microsoft Azure kennenlernen und sehen, wie man sie zur Erstellung von natürlichen Spracherkennungs-, visuellen Erkennungs- und Statistikmodellen für den Einsatz in Anwendungen verwenden kann.


Die Weiterbildung "Maschinelles Lernen (ML) für Apps - Praxis" bieten wir Ihnen als Coaching, Workshop, Training - Live-Online und Vor-Ort an.