Zero-Shot & Few-Shot Learning ist ein Kurs auf mittlerem Niveau, der sich an Datenwissenschaftler, ML-Ingenieure und KI-Praktiker richtet, die Modelle erstellen möchten, die auch dann gut funktionieren, wenn die gelabelten Daten begrenzt sind. Traditionelles überwachtes Lernen versagt, wenn die Beispiele knapp sind oder die Aufgaben sich ständig weiterentwickeln. Dieser Kurs zeigt Ihnen, wie Sie dieses Problem mit Hilfe modernster Zero-Shot- und Few-Shot-Learning-Techniken lösen können. Sie lernen, wie Sie Pre-Training-Modelle, semantische Einbettungen und Transfer Learning anwenden, um über Aufgaben hinweg zu verallgemeinern, ohne von Grund auf neu zu trainieren. Anhand von fallbezogenen Videos, praktischen Übungen und entscheidungsorientierten Projekten lernen Sie Tools wie Prompt Engineering, prototypische Netzwerke und kontrastives Lernen kennen. Im Laufe des Kurses werden Sie komplette Pipelines aufbauen und verteidigen, die auf reale Einschränkungen zugeschnitten sind - und die richtige Methode auf der Basis von Datenverfügbarkeit, Aufgabenanforderungen und Bereitstellungszielen auswählen. Ob Sie Betrug mit wenigen Stichproben diagnostizieren oder neue Produkttypen ohne Etiketten klassifizieren wollen, dieser Kurs wird Sie in die Lage versetzen, intelligentere, schlankere Modelle zu erstellen, die mit weniger Aufwand mehr lernen.