Deep Learning - Efteruddannelse
Hands-on erfaring med deep learning teknologier og GPU acceleration med PyTorch.
Hurtige facts
- Pris:
- 20,000 DKK
- Varighed:
- 1 uger
- Format:
- campus
- Niveau:
- Avanceret
- Lokation:
- Lyngby
Om uddannelsen
DTU's Deep Learning efteruddannelse er et avanceret kursus designet til professionelle med machine learning erfaring der ønsker at mestre deep learning teknikker. Kurset fokuserer på praktisk implementering med PyTorch og moderne GPU-acceleration til at løse komplekse problemer inden for computer vision og naturlig sprogbehandling.
Denne intensive 1-ugers uddannelse dækker neural network arkitekturer, convolutional neural networks (CNNs), recurrent neural networks (RNNs), transformers, generative adversarial networks (GANs) og modern optimization techniques. Alle koncepter implementeres hands-on med PyTorch.
Kurset starter med fundamental neural network teori og bygger gradvist op til avancerede arkitekturer. Du lærer at designe, træne og optimere deep learning modeller for image classification, object detection, sentiment analysis og generative opgaver.
Praktiske sessioner inkluderer transfer learning, data augmentation, regularization techniques og model deployment. Du arbejder med reelle datasæt og industri-standardiserede workflows for at sikre direkte anvendelighed i professionelle sammenhænge.
Undervisere er DTU forskere og industrielle praktikere med ekspertise inden for computer vision, NLP og AI-systemer. De deler både teoretisk indsigt og praktiske erfaringer fra cutting-edge projekter.
Kurset kræver solid Python programmering og grundlæggende machine learning viden. Deltagerne får adgang til high-performance GPU clusters og alle nødvendige software tools og datasæt.
Efter gennemførsel kan deltagerne designe og implementere state-of-the-art deep learning løsninger, arbejde med cloud-baserede AI platforme og lede AI-projekter i deres organisationer.
Kategorier
Tags
Uddannelsesinfo
- Udbyder
- DTU Learn for Life
- Type
- Efteruddannelse
- Sprog
- Engelsk
- Næste startdato
- 1. april 2025