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 R geben wir einen intensiven Einblick in tiefe Neuronale Netze, angefangen beim ursprünglichen Perzeptron über klassische Neuronale Netze bis hin zu Deep Learning.

Dabei gibt der Intensivkurs Deep Learning mit R 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 R Caret, Keras/TensorFlow sowie rTorch kennen. Mit diesem Handwerkszeug können Sie sofort loslegen, die Potenziale des Deep Learnings auf Fragestellungen Ihres Unternehmens in Verbindung zu bringen.

Gerne passen wir die Inhalte dieses Firmenseminars an Ihre Wünsche an.

Interessenten mit soliden R-Kenntnissen können an dem offenen Kurs → Deep Learning mit Python teilnehmen. Für fortgeschrittene Programmierer ist es unerheblich, ob der Zugriff auf die Deep-Learning-Bibliotheken mit Python oder mit R erfolgt. Daher können Sie an dem Alternativkurs Deep Learning mit Python auch mit R und RStudio teilnehmen. Der Dozent kennt sich in beiden Welten bestens aus.

Das Wichtigste auf einen Blick

^*Nettopreise ohne MwSt. Endpreis wird im Warenkorb angezeigt.

Lernziele und Nutzen des Seminars

Am Ende dieses Intensivkurses Deep Learning mit R werden Sie

• die aktuelle Berichterstattung zu Künstliche Intelligenz, Maschinellem Lernen, Neuronalen Netzen und speziell Deep Learning inhaltlich einordnen und bewerten können,
• Projekte mit R (mit Caret, Keras/Tensorflow und rTorch) 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 des Seminars Deep Learning mit R

Unser Intensivkurs Deep Learning mit R 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 R 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 (täglich 8 Stunden, 9-17 Uhr)
• Aufteilung Theorie/Praxis: 40% Vorlesung + 60 % Praxis, Übungen und Demos

Inhouse-Schulung Deep Learning mit R