Deep Learning mit Python | online (3tägig)

Kursbeschreibung:

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, 9-17 Uhr

Inhalte:

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.

Teilnehmervoraussetzungen:

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.

Technische Voraussetzungen:

Sie nehmen an einem Live-Online-Training teil, der vom Ablauf und der Qualität unseren Präsenztrainings entspricht.  Mit der heutigen Technik kommt das Präsenz-Seminar zu Ihnen an den Arbeitsplatz bzw. ins Home-Office. Der Dozent führt in die Themen ein, beantwortet die Fragen der Teilnehmer und geht in den Übungsrunden auf jeden Teilnehmer persönlich ein. Bei Fragen oder Problemen können Sie dem Dozenten Ihren Bildschirm freigeben.

Ein Teilnehmer unserer Kurse schreibt: „Obwohl ich wegen Online Seminar sehr skeptisch gegenüber stand, kann ich dem Dozenten wirklich nur dafür gratulieren, wie gut dieser dieses Seminar umgesetzt hat. Dies könnte man wohl auch nicht besser bei einer Vorort-Schulung machen. Daher kann ich dieses Seminar nur wirklich sehr empfehlen.“ Lesen Sie weitere Rezensionen unserer Teilnehmer unter https://www.provenexpert.com/dhl-data-science-seminare-gmbh/.

Alles, was Sie brauchen, ist ein PC oder Laptop mit folgenden Merkmalen:

• Es ist die Statistik-Software installiert, mit der der Kurs durchgeführt wird. Sie erhalten dazu nach der Anmeldung eine detaillierte Installationsanleitung.
• Der Laptop hat Zugang zum Internet mit einer empfohlenen Bandbreite von mindestens 1-2 MBit/s.
• Entweder installieren Sie unsere Webinar-Software oder Sie nehmen an dem Webinar mit einem Internet-Browser (Google Chrome oder Firefox) teil.
• Testen Sie die Funktionsfähigkeit von Kamera, Mikrofon und Lautsprecher Ihres PCs/Laptops.
• Von Vorteil wäre die Verwendung von zwei Geräten/Monitoren: Auf dem einen Gerät/Monitor (z. B. Laptop oder Tablet) sehen Sie die Präsentation des Dozenten oder Unterrichtsmaterialien. Auf dem anderen Gerät/Monitor (z. B. PC oder Laptop) können Sie parallel dazu das Gelernte direkt anwenden und Übungsaufgaben lösen.

Bei unseren Präsenzveranstaltungen in Stuttgart nehmen Sie bitte einen Laptop mit (Sie erhalten eine Installationsanleitung für die erforderliche Software).

Bei Inhouse-Seminaren werden Seminarraum und technische Geräte (Beamer, Leinwand, PCs/Laptops) vom Kunden zur Verfügung gestellt. Gegen Aufpreis können wir bundesweit in allen größeren Städten einen Seminarraum mit den technischen Geräten organisieren. Auf Wunsch können wir auch ein Online-Firmenseminar durchführen.

Lehrgangsverlauf / Methoden:

• Rahmen: 3 Tage mit 16 Stunden Präsenzschulung (täglich 8 Stunden, 9-17 Uhr)
• Aufteilung Theorie/Praxis: 40% Vorlesung + 60 % Praxis, Übungen und Demos

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

Förderung:

Bildungsurlaub, Bildungsscheck, Bildungsprämie, kein Bildungsgutschein