Verändern Sie die Art und Weise, wie KI-Systeme verschiedene Datenmodalitäten verstehen und miteinander verknüpfen. Dieser Kurs befähigt Fachleute im Bereich des maschinellen Lernens, hochmoderne modalitätsübergreifende Abfragesysteme zu entwickeln, die die Lücke zwischen Text und Bildern schließen. Sie werden die technische Umsetzung von Algorithmen für die ungefähre Next-Nearest-Neighbor-Suche beherrschen und ausgefeilte Aufmerksamkeitsmechanismen entwerfen, die visuelle und textuelle Informationen miteinander verbinden. Durch praktische Übungen mit Tools im Produktionsmaßstab wie FAISS und realen Datensätzen wie Flickr30K entwickeln Sie das Fachwissen, um intelligente Systeme zu erstellen, die Inhalte modalitätsübergreifend verstehen – und ermöglichen so bahnbrechende Anwendungen in den Bereichen Suche, Empfehlung und Inhaltsverständnis, die die natürliche Art und Weise widerspiegeln, wie Menschen verschiedene Informationstypen verarbeiten.