Certified Data Scientist Specialized in Deep Learning and Generative AI

Diese zertifizierte Schulung ist aufgeteilt in einen Grundkurs und ein frei wählbares Vertiefungsmodul.

Sie lernen aktuelle Verfahren des maschinellen Lernens und tiefe Lernverfahren kennen und vertiefen sie in einem Einsatzbereich. Um den Wissenstransfer in Ihr Unternehmen sicher zu stellen, arbeiten Sie an praktischen Aufgaben in einem »virtuellen Labor«. Dabei wechseln zwei Präsenzphasen mit Phasen selbstständiger Arbeit, wo Sie im virtuellen Labor eine umfangreichere Aufgabe bearbeiten, Ihren Fortschritt dokumentieren und bei Bedarf Rücksprache mit unseren Expert*innen halten. Damit sind Sie bestens vorbereitet, um für die Zertifizierung zum »Senior Data Scientist« im selben Lernlabor ein Analyseprojekt eigenständig zu bearbeiten.

Das virtuelle Labor besteht aus einem umfangreichen Toolkit mit bewährter Open-Source-Software und Zugriff auf leistungsfähige Hardware. Jupyter Notebooks erlauben nicht nur die Programmierung und Ausführung von Python-basierten Applikationen, sondern eignen sich mit ihren vielfältigen Annotationsmöglichkeiten ideal für den Austausch mit unseren Fachleuten. Das ganze Lernlabor ist web-gestützt: Sie benötigen lediglich ein internetfähiges Endgerät mit einem aktuellen Webbrowser, um das Labor (auch mobil) nutzen zu können.

Grundkurs »Data Scientist Specialized in Deep Learning«

Fortschritte in moderner Grafikhardware und parallelen Optimierungsmethoden haben in den letzten Jahren die Anwendung von Verfahren des Deep Learning auf umfangreiche Aufgaben der Mustererkennung ermöglicht. Diese Modelle enthalten oft Millionen freier Parameter und erreichen in vielen Anwendungsbereichen wie Bilderkennung, Spracherkennung, Computerspielen mittlerweile das Niveau menschlicher Expert*innen. Dies ermöglicht eine Vielzahl von neuen Lösungen in Branchen wie Medizin, Medien, Werbung, Finanzen. Zudem erlauben sie die Ableitung von effektiven Steuerungen für dynamische Spielsituationen und die Berechnung von Auswahlempfehlungen für Nutzergruppen.

Sie lernen an praktischen Beispielen verschiedene Lernverfahren und ihren Einsatzmöglichkeiten auf Basis von Python und Google TensorFlow kennen.

Tag 1

• Einführung in Deep Learning
• Einführung in TensorFlow
• Basismodule des Deep Learning
•  Praktische Programmierübung zu einfachen Deep Learning Modellen

Tag 2

• Unüberwachtes Lernen mit Neuronalen Netzen
• Konvolutionale Neuronale Netze (CNN) zur Bilderkennung
• Rekurrente neuronale Netze und Zeitreihenanalyse zur Verarbeitung von Sequenzen
• Jeweils praktische Programmierübungen zu allen Modelltypen

Tag 3

• Neuronale Netze zur Transformation einer Sequenz in eine andere Sequenz
• Verstärkungslernen mit neuronalen Netzen zur Robotersteuerung
• Gegeneinander agierende Netze zur Bilderzeugung
• Jeweils praktische Programmierübungen zu allen Modelltypen

Tag 4

• Schriftliche Prüfung

Praxisphase

Übungen im virtuellen Labor (kann auch nach dem Kurs für einige Zeit genutzt werden)