Deep Learning mit Python

Posted on
Print Friendly, PDF & Email
Wenn es um die erfolgreiche Nutzung von Daten geht, dominiert seit einigen Jahren die „Künstliche Intelligenz“ die Berichterstattung. Diese wurde mit der Veröffentlichung von ChatGPT und anderen großen Sprachmodellen nochmals intensiviert. Dabei basiert dieser Höhenflug auf dem Maschinellen Lernen. 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 bei der Verarbeitung natürlicher Sprache (wie bei ChatGPT und anderen Sprachmodellen) sowie der Objektklassifizierung und -erkennung (wie bei der Gesichtserkennung oder dem Autonomen Fahren) haben tiefe neuronale Netze (Netzwerke mit sehr vielen Schichten, auch Deep Learning genannt) immer mehr an Bedeutung gewonnen. In dem Kurs Deep Learning mit Python geben wir einen intensiven Einblick in tiefe Neuronale Netzwerke, angefangen beim ursprünglichen Perzeptron über klassische Neuronale Netze bis hin zu Deep Learning und ChatGPT.

Dabei gibt der Intensivkurs Deep Learning mit Python einen Überblick über die aktuellen Methoden des Maschinellen Lernens mit speziellen Fokus auf tiefe neuronale Netzwerke. 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 die Deep-Learning-Bibliotheken Keras/TensorFlow, PyTorch und Transformer kennen. Mit diesen Kenntnissen können Sie direkt loslegen, die Deep-Learning-Algorithmen in Ihrem Unternehmens anzuwenden.

Auf die genannten Deep-Learning-Bibliotheken lässt sich mit Python genauso gut wie mit R zugreifen. Falls Sie mit R/RStudio teilnehmen möchten, erhalten Sie die Musterlösungen für R statt für Python. Der Dozent kennt sich mit beiden Programmiersprachen bestens aus.

Alle Bewertungen stammen ausschließlich von Kunden und Seminarteilnehmern von Dr. Christoph Oestreicher.
Die Bewertungen werden von einem unabhängigen Dienstleister gesammelt, geprüft und ausgewertet.

Das Wichtigste auf einen Blick

Details zum Kurs
Ort: Stuttgart / Online
Typ: Intensivkurs
Größe: 4 – 8 Personen
Dauer: 3 Tage
Zeiten: 9 – 17 Uhr
Preise*: 1.345 € – 1.495 €
Intervall: alle 2 Monate
Inhalte des Kurses
  • Einführung Neuronale Netzwerke
    • Klassische Architekturen
    • Weiterführende Architekturen
  • Fallbeispiel 1 (Bildverarbeitung): Bild-Klassifizierung mit Convolutional Neural Networks
  • Fallbeispiel 2 (Sprachverarb.): Text-Generierung & Chatbots mit LSTMs, Transformers, ChatGPT & andere Large Language Models
Weitere Infos…

*Nettopreise ohne MwSt. Endpreis wird im Warenkorb angezeigt.

Lernziele und Nutzen des Seminars Deep Learning mit Python

Am Ende dieses Intensivkurses Deep Learning mit Python werden Sie

  • die aktuelle Berichterstattung zu Künstliche Intelligenz, Maschinellem Lernen, Neuronalen Netzen und speziell Deep Learning und ChatGPT inhaltlich einordnen und bewerten können,
  • Projekte mit Python bzw. R (mit Keras/TensorFlow, PyTorch/rTorch und Transformer) und Methoden des Deep Learnings beginnen können,
  • wissen, welche und wie viele Daten für die erfolgreiche Umsetzung einer Fragestellung mit Deep Learning (noch) notwendig sind,
  • wissen, wie aktuelle Large Language Models (LLM) wie ChatGPT, GPT4 (OpenAI), PaLM 2 (Google) und LLaMA 2 (Meta) grundsätzlich funktionieren und was bei der Nutzung zu beachten ist,
  • eine Bild-Klassifizierung mit Convolutional Neural Networks (CNNs) durchführen und Texte bzw. Chats mit eigenen Large Language Models (LMM) generieren können.

Zielgruppe des Seminars

Unser Intensivkurs Deep Learning mit Python ist für Beschäftigte aus operativen Bereichen, R&D und IT geeignet, welche die Kursvoraussetzungen erfüllen und die Potenziale von Deep Learning für ihren Bereich kennenlernen und hautnah erfahren möchten. Anwender, Studenten, Doktoranden und Forscher aus den mathematischen, statistischen, naturwissenschaftlichen, ingenieurwissenschaftlichen, informationstechnologischen, betriebs-, wirtschafts-, markt- und sozialwissenschaftlichen Bereichen sind ebenfalls willkommen.

Voraussetzungen für das Seminar

Für den Kurs Deep Learning mit Python sind Grundverständnisse der Linearen Algebra (Vektoren, Matrizen) und ein Basiswissen in der Statistik (wie Korrelationen und lineare Regression) sehr empfehlenswert. Sie sollten Grundkenntnisse in einer objektorientierten Programmiersprache besitzen und sich mit der objektorientieren Programmierung von Klassen und deren Vererbung auskennen. Liegen keine entsprechenden Kenntnisse vor, können Sie eine Anfrage für einen zusätzlichen Unterrichtstag stellen.

Dauer des Seminars und Anteil von Übungen

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

Termine und Preise für das Seminar Deep Learning mit Python

  • Leistungen: Unterricht im zentral gelegenen Seminarraum (bzw. virtuellen Seminarraum bei Zoom), max. 10 Teilnehmer pro Veranstaltung, persönliche Betreuung durch den Dozenten, täglicher Unterricht 9-17 Uhr, umfangreiche Schulungsunterlagen, Schulungszertifikat.
  • Unsere Garantien: Durchführungsgarantie, Best-Price-Garantie, Beste-Technik-Garantie, Gruppengrößengarantie, Zufriedenheitsgarantie, Nutzengarantie, Nachhaltigkeitsgarantie (siehe unten).
  • Buchen ohne Risiko: Keine Vorkasse, Rechnung mit Zahlungsziel 14 Tage nach Seminarende, kostenfreie Stornierung bis 14 Tage vor Seminarbeginn, bei Nichtgefallen Rücktritt bis zum Ende des ersten Seminartags möglich (Rechnung braucht nicht bezahlt zu werden).
  • Preisnachlässe: Organisationen können bei der Buchung von zwei Seminarplätzen kostenlos eine dritte Person anmelden (bei der Buchung von zwei Plätzen können drei Namen an der Kasse angegeben werden). Informationen zu Bildungsurlaub und Ermäßigungen für Arbeitnehmer, Studierende und andere Selbstzahler finden Sie im Kasten auf der rechten Seite (bzw. am Ende der Seite).
  • Hinweise: Falls auf dem teilnehmenden Computer die Python Anaconda Distribution bzw. R mit RStudio nicht installiert werden kann, kann gegen eine geringe Gebühr der Fernzugriff auf einen Schulungslaptop gemietet werden (Virtual Network Computing). Präsenzseminare finden zu Ferien- und Messezeiten nicht statt. Weitere Infos finden Sie → hier.
Seminar Ort Termin Dauer Plätze Preis* +19% MwSt.
Data Science Kurs Online-SeminarInfos zu unseren Online-Seminaren 03.07. - 05.07.2024 Termin wird garantiert, wenn Sie buchen. 3 Tage > 5 frei  10% 10 % Online-Rabatt im Preis bereits inkludiert  1.750 ">
Data Science Kurs HeidenheimAdresse und Lage des Veranstaltungsorts 03.07. - 05.07.2024 Termin wird garantiert, da ausreichend gebucht! 3 Tage 2 frei 1.945 €
Data Science Kurs Online-SeminarInfos zu unseren Online-Seminaren 20.11. - 22.11.2024 Termin wird garantiert, wenn Sie buchen. 3 Tage > 5 frei  10% 10 % Online-Rabatt im Preis bereits inkludiert  1.750 ">

*Nettopreise ohne MwSt. Endpreis wird im Warenkorb angezeigt. Angaben wurden am 18.03.2024 um 17:40 Uhr aktualisiert.

Unsere Garantien

Best-Price-Garantie der Seminare Best-Price-Garantie: Bei uns erhalten Sie den besten Preis. Sollten Sie bis zum Seminarbeginn ein von den Inhalten und Leistungen vergleichbares und günstigeres Seminar finden (nicht bei Ihnen selbst), erstatten wir die Differenz.
Durchführungsgarantie der Weiterbildung Durchführungsgarantie: Wir garantieren Ihnen die Durchführung unserer Seminare ab zwei Anmeldungen. Wird bei einem Präsenzseminar die Mindestteilnehmerzahl nicht erreicht, wird das Präsenzseminar in ein Online-Seminar gewandelt.
Gruppengrößengarantie der Schulungen Gruppengrößengarantie: Wir garantieren Ihnen, dass unsere Seminare mit nicht mehr als 10 Personen belegt werden. Sie werden von unseren Dozenten in Kleingruppen individuell und persönlich betreut.
Beste-Technik-Garantie der Weiterbildung Beste-Technik-Garantie: Wir setzen nur die beste Technik und Software in unseren Online-Seminaren ein. Unsere Seminare zeichen sich von unserer Seite aus durch stabile Verbindungen, hochauflösende Bilder und eine klare und störungsfreie Sprachübertragung aus.
Zufriedenheitsgarantie der Weiterbildung Zufriedenheitsgarantie: Sollte ein mehrtägiges Seminar nicht Ihren Erwartungen entsprechen, können Sie Ihre Teilnahme am ersten Tag abbrechen und die Rechnung braucht nicht bezahlt zu werden.
Nutzengarantie der Trainings Nutzengarantie: Sollten Sie nach einem halben Jahr feststellen, dass Sie nichts von dem Gelernten in Ihrem Berufsalltag anwenden konnten, dürfen Sie kostenfrei ein weiteres unserer Seminare besuchen.
Nachhaltigkeitsgarantie der Weiterbildung Nachhaltigkeitsgarantie: Sollte eine Person innerhalb eines halben Jahres nach der Teilnahme an einem unserer Seminare unvorhergesehen für mehr als 6 Monate Ihrer Organisation nicht zur Verfügung stehen (wegen Kündigung, Elternzeit, Erkrankung oder Sonderurlaub), darf eine andere Person Ihres Unternehmens kostenfrei an einem Seminar mit demselben Inhalt teilnehmen.

 

Offene Schulungen in Deep Learning mit Python

Training Deep Learning mit Python
pro Person in Stuttgart oder als Online-Seminar
1.945 Euro
(2.314,55 Euro inkl. 19% MwSt.)
Inhalte
  • Überblick, Grundlagen und Praxisbeispiele
    • Künstliche Intelligenz
    • Maschinelles Lernen und Deep Learning
    • Large Language Models wie ChatGPT, LLaMA oder Falcon
    • 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, transformer
    • 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), die Grundlagen von Large Language Models wie ChatGPT
    • 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 (mit keras/tensorflow) und Transformers (mit Pipelines von Hugging Face)
    • Ausblick: Nutzung (Prompt Engineering, ChatGPT) und Trainieren eigener Chatbots anhand kommerziell nutzbaren Large Language Models wie LLaMA 2 oder Falcon
Voraussetzungen
  • Grundverständnisse der Linearen Algebra (Vektoren, Matrizen, Ableitungen)
  • Basiswissen Statistik (wie Mittelwert, Korrelationen, lineare Regression)
  • Programmierkenntnisse (Skriptsprache wie Python, Matlab oder R)

Grundkenntnisse in Python können Sie in unserem Vorbereitungskurs → Einführung in die Programmierung mit Python erwerben. Vorhandene Grundkenntnisse in Python und Statistik können Sie in unserem Kurs Grundlagen der Statistik mit Python auffrischen und vertiefen.

Seminartyp und Dauer
  • offene 3-Tages-Schulung mit max. 10 Teilnehmer
  • 16 Stunden Präsenzschulung (täglich 8 Stunden)
  • Unterricht 9-17 Uhr mit angemessenen Pausen
  • 40% Vorlesung + 60 % Praxis, Übungen und Demos
Termine und Veranstaltungsorte

Zur Anzeige der Adresse klicken Sie bitte auf den Ortsnamen:

 

Termine und Preise für den Kurs Deep Learning mit Python anzeigen