Data Science und Deep Learning mit Python

Wenn es um die erfolgreiche Nutzung von Daten geht, dominiert seit einigen Jahren die „Künstliche Intelligenz“ die Berichterstattung. Dabei hat sie diesen Höhenflug dem Maschinellen Lernen zu verdanken. In dieser Disziplin werden Erkenntnisse und Regeln direkt aus den Daten gewonnen. Eines der bekanntesten Methoden in diesem Bereich sind Neuronale Netzwerke, welche die Daten schichtweise verarbeiten. Noch vor 10 Jahren hat man sich mit wenigen Schichten zufrieden gegeben. Durch den immensen Erfolg im Bereich der Objektklassifizierung und -erkennung (z. B. bei der Gesichtserkennung oder beim Autonomen Fahren), sowie bei der Verarbeitung natürlicher Sprache (z. B. bei Übersetzungen) haben tiefe neuronale Netzwerke (Netzwerke mit sehr vielen Schichten, Deep Learning) immer mehr an Bedeutung gewonnen. In dem Kurs Deep Learning mit Python geben wir einen intensiven Einblick in tiefe Neuronale Netze, angefangen beim ursprünglichen Perzeptron über klassische Neuronale Netze bis hin zu Deep Learning.

Dauer

• 3 Tage mit 24 Stunden Unterricht (täglich 8 Stunden, 9-17 Uhr)
• Aufteilung Theorie/Praxis: 40 % Theorie + 60 % Praxis mit Übungen

Inhalte

Der Intensivkurs Deep Learning mit Python gibt einen Überblick über die aktuellen Methoden des Maschinellen Lernens mit speziellen Fokus auf tiefe neuronale Netze. Anhand von zwei Praxis-Beispielen erhalten Sie einen intensiven Einblick, wie diese Methoden in der Praxis angewendet werden. Gerne können Sie hierfür auch eine eigene Fragestellung inkl. der notwendigen Daten mitbringen.

In den drei Tagen erfahren Sie die wichtigsten Details zu tiefen Neuronalen Netzen und lernen Python SciKit-Learn, Keras/TensorFlow sowie PyTorch kennen. Mit diesem Handwerkszeug können Sie sofort loslegen, die Potenziale des Deep Learnings auf Fragestellungen Ihres Unternehmens in Verbindung zu bringen.

• Überblick, Grundlagen und Praxisbeispiele
  • Künstliche Intelligenz
  • Maschinelles Lernen
  • Deep Learning
  • Praxisbeispiele u.a. zu den Themen:
    • Natural Language Processing (Chatbots, Übersetzungen etc.)
    • Bildverarbeitung (Objekterkennung, Tracking etc.)
    • Intelligente Agenten (Bots, Optimierungen etc.)
  • Impulse, wie Deep Learning auch in Bereichen wie Logistik, Wartung & Instandhaltung (Predictive Maintenance), Prozessindustrie oder Customer Journey angewendet werden kann
• Kurze Einführung in Python
  • Relevante Python-Bibliotheken: numpy, scikit-learn, pandas
  • Weiterführende Python-Bibliotheken: keras, tensorflow, pytorch
  • Praxis-Übung: Regression (Supervised Learning)
• Neuronale Netzwerke
  • Loss-Functions, Gradienten und Gradienten-Abstieg
  • Klassische Architekturen: (Multi-Layer)-Perceptrons
  • Weiterführende Architekturen: Convolutional Neural Networks, Recurrent Neural Networks und Transformers (inkl. Attention und Self-Attention)
  • Ausblick: Deep Reinforcement Learning
  • Praxis-Übung: Klassifikation (Supervised Learning)
• Praxis-Beispiel I (Bildverarbeitung)
  • Einführung in den Kontext und die Daten
  • Zielsetzung und Methodennutzung
  • Praxis-Übung: Bild-Klassifizierung anhand Convolutional Neural Networks (CNNs)
• Praxis-Beispiel II (Natürliche Sprachverarbeitung/NLP)
  • Einführung in den Kontext und die Daten
  • Zielsetzung und Methodennutzung
  • Praxis-Übung: Text-Generierung anhand LSTMs und Transformers (inkl. Embeddings)

Ziele

Am Ende dieses Intensivkurses Deep Learning mit Python werden Sie

• die aktuelle Berichterstattung zu Künstliche Intelligenz, Maschinellem Lernen, Neuronalen Netzen und speziell Deep Learning inhaltlich einordnen und bewerten können,
• Projekte mit Python (mit Scikit-Learn, Keras/Tensorflow und PyTorch) und Methoden des Deep Learnings starten zu können,
• wissen, welche und wie viele Daten für die erfolgreiche Umsetzung einer Fragestellung mit Deep Learning (noch) notwendig sind,
• eine Bild-Klassifizierung mit Convolutional Neural Networks (CNNs) durchführen und Texte mit Transformer generieren können.

Zielgruppe

• Beschäftigte aus operativen Bereichen, R&D und IT mit grundlegenden Programmierkenntnissen, welche die Potenziale von Data Science, Künstlicher Intelligenz und Maschinellem Lernen kennenlernen und hautnah erfahren möchten und
• Anwender, Studenten, Doktoranden und Forscher aus den mathematischen, statistischen, naturwissenschaftlichen, ingenieurwissenschaftlichen, informationstechnologischen, medizinischen, pharmazeutischen, betriebs-, wirtschafts-, markt- und sozialwissenschaftlichen Bereichen

Voraussetzungen

Für den Kurs Deep Learning mit Python sind Grundverständnisse der Linearen Algebra (Vektoren, Matrizen) und ein Basiswissen in der Statistik (wie Korrelationen, Signifikanztests, lineare Regression) sehr empfehlenswert. Sie sollten Grundkenntnisse in einer Programmiersprache besitzen, am besten wäre eine Skriptsprache wie Python, R oder Matlab. Liegen keine Programmierkenntnisse vor, können Sie den dafür entwickelten Vorbereitungskurs Einführung in die Programmierung mit Python besuchen.

Hinweise zur Teilnahme

Teilnahme am Online-Seminar: Sie benötigen zur Teilnahme an unseren Online-Seminaren einen Computer mit Internetzugang (empfohlene Bandbreite 1-2 MBit/s). Sie erhalten nach der Anmeldung eine detaillierte Installationsanleitung für die erforderliche Statistik- und Videokonferenz-Software (die Teilnahme ist auch mit einem Browser möglich). Bei Bedarf können Sie einen Fernzugang zu einem Schulungscomputer mit der erforderlichen Software erhalten.

Teilnahme am Präsenz-Seminar: Bitte bringen Sie einen Laptop mit der erforderlichen Software mit (Sie erhalten im Vorfeld eine Installationsanleitung für die Python Anaconda Distribution).