Machine Learning & Generative AI Bootcamp — GANs, Transformer, GPT, VAEs

Wer einen schnellen, intensiven Einstieg in Machine Learning UND Generative AI sucht, ohne mehrere separate Kurse zu belegen, findet hier das passende Format. Das Bootcamp ist kompakt (1-2 Wochen), dafür intensiv und fokussiert. Block ML-Grundlagen: Supervised vs. Unsupervised Learning, Training/Test-Split, Overfitting, Cross-Validation, Performance-Metriken. Algorithmen praktisch mit Python und scikit-learn: Lineare Regression (kontinuierliche Targets), Logistische Regression (Klassifikation), Decision Trees (interpretierbar), Random Forest und Gradient Boosting (Ensemble-Methoden), K-Means (Clustering), PCA (Dimensions-Reduktion). Block Klassische Neuronale Netze: Perzeptron, Multi-Layer Perceptron, Backpropagation, Gradient Descent, Activation Functions, Loss Functions, Optimizer (SGD, Adam) — implementiert in TensorFlow/Keras. Block Convolutional Neural Networks (CNNs): Architektur (Convolutional Layers, Pooling, Fully Connected), Transfer Learning mit vortrainierten Modellen (ResNet, VGG, EfficientNet) für eigene Bilderkennungs-Aufgaben. Block Recurrent Neural Networks (RNNs, LSTMs, GRUs): Sequenz-Modellierung, Word Embeddings, Anwendung auf Text und Zeitreihen — heute zunehmend von Transformern abgelöst, aber konzeptionell wichtig. Block Transformer-Modelle: Attention-Mechanismus, Self-Attention, Multi-Head Attention, Position Encodings, Encoder-Decoder-Architektur. Pre-trained Transformers (BERT, GPT, T5) und ihre Anwendung. Block Generative Pre-trained Transformer (GPT-Familie): GPT-2, GPT-3, GPT-4, GPT-4o im konzeptionellen Überblick, In-Context Learning, Fine-Tuning vs. Prompt Engineering, RLHF (Reinforcement Learning from Human Feedback). Block Generative Adversarial Networks (GANs): Generator vs. Discriminator als „Spiel", Training-Dynamik, Anwendungen (Bildgenerierung, Style Transfer, Deepfakes). Block Variational Autoencoders (VAEs): Encoder-Decoder mit latentem Raum, generative Eigenschaften, Vergleich zu GANs. Block Praxis-Projekte: Bildgenerierung mit Diffusion-Modellen (Stable Diffusion), Text-Generierung mit GPT-Modellen via API, eigene Modelle fine-tunen.