Neuronale Netzwerke und 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. 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 Intensivkurs Neuronale Netzwerke und Deep Learning mit Python schlagen wir eine Brücke von klassischen Algorithmen des Maschinellen Lernens, speziell der Neuronalen Netzwerke, hin zu Deep Learning.

Dabei gibt der Intensivkurs Neuronale Netzwerke und Deep Learning mit Python einen Überblick über die aktuellen Methoden des Maschinellen Lernens mit speziellen Fokus auf tiefe neuronale Netze. Anhand von zwei Projekten 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 mit Python SciKit-Learn und Keras/TensorFlow umzugehen. Mit diesem Handwerkszeug können Sie sofort loslegen, die Potenziale des Deep Learnings auf Fragestellungen Ihres Unternehmens anzuwenden.

 

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

Zielgruppe für das Seminar

Unser Intensivkurs Neuronale Netzwerke und Deep Learning mit Python ist für bereits tätige sowie angehende (Auszubildende, Studenten, Doktoranden) Datenanalysten, Webanalysten, Data Scientists, Statistiker und Forscher mit grundlegenden Programmierkenntnissen geeignet, welche Ihre Kenntnisse im Bereich Neuronale Netze und Deep Learning intensivieren möchten. Teilnehmer des Intensivkurses Data Science und Künstliche Intelligenz sind willkommen, Ihre Kenntnisse bei diesem Intensivkurs zu erweitern.

Voraussetzungen für das Seminar

Grundverständnisse der Datenanalyse inkl. einem Verständnis von Linearer Algebra (Vektoren und Matrizen), Basiswissen Statistik (wie Mittelwert, Korrelationen, lineare Regression) und Programmierkenntnisse (Skriptsprache wie Python, Matlab oder R)

Lernziele des Seminars

Am Ende dieses Intensivkurses Neuronale Netzwerke und Deep Learning mit Python werden Sie

  • die aktuelle Berichterstattung zu Künstliche Intelligenz, Maschinellem Lernen, Neuronalen Netzen und Deep Learning (inkl. LSTMs) inhaltlich einordnen und bewerten können,
  • Projekte mit Python (mit Scikit-Learn und Keras/Tensorflow) und Methoden des Deep Learnings umsetzen können,
  • wissen, welche und wie viele Daten für die erfolgreiche Umsetzung einer Fragestellung mit Deep Learning (noch) notwendig sind,
  • eine Bilderkennung mit Convolutional Neural Networks (CNNs) durchführen können und
  • einen intelligenten Agenten mit Deep Reinforcement Learning programmieren können.

Dauer des Seminars

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

Inhalte des Seminars Neuronale Netzwerke und Deep Learning mit Python

Neuronale Netzwerke und Deep Learning mit Python
pro Person in Stuttgart oder als Online-Seminar
1.525 Euro
(1.769‬‬ Euro inkl. 16% MwSt.)
Inhalte
  • Überblick, Grundlagen und Beispiele
    • Künstliche Intelligenz
    • Maschinelles Lernen
    • Deep Learning
  • Maschinelles Lernen mit Python
    • Kurze Einführung Python
    • Relevante Python-Bibliotheken: numpy, scikit-learn, pandas
    • Weiterführende Python-Bibliotheken: keras, tensorflow, gym
  • Neuronale Netzwerke
    • Allgemeine Architekturen
    • (recursive) Convolutional Neuronal Networks (CNN/rCNN)
    • Deep Reinforcement Learning
    • Long short-term Memory (LSTM)
  • Case Study I (Bilderkennung):
    • Einführung in den Kontext und die Daten
    • Zielsetzung und Methodennutzung
    • Convolutional Neuronal Networks
  • Case Study II (Intelligenter Agent):
    • Einführung in den Kontext und die Daten
    • Zielsetzung und Methodennutzung
    • Deep Reinforcement Learning
Voraussetzungen
  • Grundverständnisse der Linearen Algebra (Vektoren, Matrizen, Ableitungen)
  • Basiswissen Statistik (wie Mittelwert, Korrelationen, lineare Regression)
  • Grundverständnisse der Datenanalyse
  • Programmierkenntnisse (Skriptsprache wie Python, Matlab oder R)

Grundkenntnisse in Python und Statistik können Sie mit unserem fünftägigen Training → Grundlagen der Statistik mit Python erwerben. Vorhandene Grundkenntnisse können Sie weiterhin mit dem dreitägigen Basis-Training → Multivariate Datenanalyse mit Python auffrischen und vertiefen.

Seminartyp und Dauer
  • offene 3-Tages-Schulung mit 2-10 Teilnehmer
  • 24 Stunden Präsenzschulung (täglich 8 Stunden)
  • Unterricht 9-17 Uhr mit angemessenen Pausen
  • 40% Vorlesung + 60 % Praxis, Übungen und Demos