In diesem Kurs lernen Sie, wie Sie leistungsstarke Bildverarbeitungsmodelle feinabstimmen und deren Training für eine praxisnahe Leistung optimieren können. Sie beginnen mit der Anwendung von Transferlernen anhand eines vortrainierten ViT-B/16-Modells und lernen, wie Sie Schichten „einfrieren“ und selektiv „auftauen“, um allgemeine visuelle Darstellungen an domänenspezifische Datensätze wie beispielsweise Produktbilder aus dem Einzelhandel anzupassen. Anschließend analysieren und vergleichen Sie Lernratenprofile, darunter den Cosinus-Abklingvorgang und die One-Cycle-Strategie, um zu verstehen, wie sich die jeweilige Strategie auf die Trainingsstabilität, die Konvergenzgeschwindigkeit und die Validierungsgenauigkeit auswirkt. Anhand von praktischen Übungen, der Protokollierung von Experimenten und der Interpretation von Trainingskurven üben Sie, fundierte Entscheidungen darüber zu treffen, welche Schichten aktualisiert werden sollen, welche Lernratenkurve gewählt werden soll und wie Genauigkeit und Trainingseffizienz in Einklang gebracht werden können. Am Ende des Kurses sind Sie in der Lage, Transformer-basierte Modelle effektiv zu optimieren und Lernratenstrategien auszuwählen, die die Trainingszeit verkürzen, ohne dabei Leistungseinbußen in Kauf zu nehmen.