Ausbildung zum Deep Learning Specialist - Berufsbegleitender Zertifikatslehrgang - Seminar / Kurs von Bitkom Akademie

Deep Learning Algorithmen finden bereits in unterschiedlichen Wirtschaftsbereichen und im Alltag Anwendung, zum Beispiel im Bereich autonomes Fahren, Sprach- und Texterkennung, optische Fehlererkennung sowie Online-Produktempfehlungen. Sie sind aktuell die bedeutendste und stärkste Algorithmusklasse im Bereich Machine Learning. Es sind bereits zahlreiche Frameworks zur Umsetzung und Arbeit mit Neuronalen Netzen auf dem Markt verfügbar, mit denen Anwendern die Analyse von mittels Deep Learning erleichtert wird. Keras (TensorFlow) ist aktuell das beliebteste Framework in der europäischen Industrie, da es sich durch seine Einfachheit und Mächtigkeit auszeichnet. Die dahinterstehende Open Source Community entwickelt das Framework stetig weiter und ermöglicht somit immer größere Möglichkeiten der Nutzbarkeit für Unternehmen. 

In diesem Zertifikatslehrgang erhalten die Teilnehmenden eine umfassende Einführung in praktische Anwendung von Deep Learning im Bereich Bild-, Text- und Zeitreihendaten. Der Lehrgang orientiert sich dabei auf die Schwerpunkte Datenaufbereitung, Überwachung vom Training und dem finalen Deployment (Einsatz/ Übertragung). Er ist sehr praktisch orientiert, sodass die Teilnehmenden während des Lehrgangs selbst programmieren und Deep Learning Algorithmen trainieren. Am Ende des Lehrgangs sind Teilnehmer in der Lage, selbstständig Deep Learning Anwendungen auf Daten Ihres Unternehmens zu trainieren und zu testen, um somit neue Wertschöpfungspotentiale zu generieren.

Der Lehrgang richtet sich an Interessenten, die einen kompakten und praxisorientierten Einstieg in die unmittelbare Anwendung von Deep Learning Algorithmen erhalten möchten, insbesondere Data Scientists, Data Engineers, Data Analysts, Business Intelligence Analysts, angehende Machine Learning (ML) Engineers, DL/ML Entwicklungsingenieure, Medizintechniker, Informatiker, Softwareentwickler im autonomen Fahren, Applied DL/ML Engineer (Perception/DL). 

• Der berufsbegleitende Zertifikatslehrgang setzt sich aus vier Modulen (8 Schulungstagen) zusammen und wird durch Selbstlernphasen (ca. 4-6h) ergänzt, bei denen die Teilnehmer mit praktischen Übungen zwischen jedem Modul arbeiten. 
• Die Teilnehmenden lernen modulübergreifend häufig verwendete Neuronale Netzwerkstrukturen in Theorie kennen (u.a. Multi Layer Perceptron (MLP), Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), Long Short Term Memory (LSTM), Gated Recurrent Unit (GRU)) und setzen diese hands-on mit Keras (Tensorflow) in Python auf einer eigenen GPU (Graphics Processing Unit) in der Cloud um. 
• In verschiedenen Anwendungsszenarien (z.B. Objektdetektion mit Bounding Boxes, Semantische Segmentierung, Bild-Klassifizierung, Text Sentiment Analysis, Predictive Maintenance) mit verschiedenen Datensätzen werden Teilnehmende unterschiedliche Neuronale Netze umsetzen, trainieren und deren Leistungsfähigkeit kennenlernen. Dabei werden typische Fragestellungen und praktische Handlungsempfehlungen diskutiert (u.a. Regularisierung während des Trainings, Dropout, Keras Callbacks, Data Augmentation, Fine Tuning).
• Im Deployment lernen die Teilnehmenden schließlich, wie Sie Ihre Ergebnisse Kollegen aus IT-fernen Fachbereichen mittels einer Web App zur Verfügung stellen können. Das ist ein unmittelbarer Mehrwert des Lehrgangs, denn der Wissenstransfer ins eigene Unternehmen und unternehmensbezogene Prozesse und Projekte sind ein zentraler Schwerpunkt.
• Zwischen den Modulen werden Aufgaben zur Bearbeitung gestellt. Hierbei können die Teilnehmer das Erlernte direkt vertiefen und selbstständig auch auf ihre eigenen Fragestellungen übertragen. Zur Unterstützung besteht zwischen jedem Modul die Möglichkeit, in einer 90-minütigen Q&A Session offene Fragen mit den Dozenten zu diskutieren. Dabei besteht über den gesamten Lehrgang hinweg auch die Möglichkeit, direkt mit den Dozenten im Austausch zu stehen.

Module im Überblick

• Deep Learning: Einführung, Grundlagen & Vertiefung (Essentials von Deep Learning und Keras, Datenaufbereitung, Architekturen (MLP, CNN), Training von Netzwerken) 
• Deep Learning mit Bilddaten (Klassifizierung, Object Detection, Semantische Segmentierung, Training bei wenigen Daten, Unsicherheitsbestimmung, Semi-Supervised Learning)
• Deep Learning mit Sequenzdaten: Text und Zeitreihen (Vorbereitung der Daten und bekannte Architekturen (RNN; LSTM). Grundlagen vom Natural Language Processing (NLP))
• Deployment und Strategien zur Anwendung im Unternehmenskontext (Web Applikation streamlit zum Deployment, exemplarische Anwendungen im Deep Learning, Handlungsempfehlung für den unmittelbaren Einsatz im Unternehmen)

• Der Lehrgang bietet einen optimalen Mix aus Theorie und Praxis. Durch das erlernte Wissen mit Keras sind Teilnehmende anschließend in der Lage, selbstständig Deep Learning-Anwendungen trainieren. 
• Teilnehmenden wird aufgezeigt, wie sie potenzielle Anwendungsfälle Im Unternehmenskontext detektieren und als Projekte initiieren. 
• Jeder Teilnehmende erhält eine eigens eingerichtete NVIDIA Tesla P100 GPU in der Cloud und lernt so unmittelbar, was Sie beim Trainieren auf einer GPU beachten müssen. Zwischen allen Modulen sind 100h an GPU Übungszeit inklusive. 
• Die Referenten stehen den Teilnehmern auch zwischen den Modulen bei konkreten Fragestellungen zur Verfügung (Q&A Sessions). 
• Die Teilnehmenden lernen von Top-Referenten aus Wirtschaft und Forschung mit langjähriger Berufserfahrung im Bereich KI und Data Analytics

Der berufsbegleitende Zertifikatslehrgang zum Deep Learning Engineer richtet sich an Teilnehmende, welche einen kompakten und praxisorientierten Einstieg in die konkrete Anwendung von Deep Learning Algorithmen erhalten möchten. Zur Zielgruppe gehören u.a. Data Scientists, Data Engineers, Data Analysts, Business Intelligence Analysts, angehende Machine Learning (ML) Engineers, DL/ML Entwicklungsingenieure, Medizintechniker, Informatiker, Softwareentwickler im autonomen Fahren, Applied DL/ML Engineer, (Perception/DL) Research Engineers. Teilnehmende sind nach dem Lehrgang in der Lage, eigenständig Deep Learning Algorithmen auf Projekte und Business Cases zu übertragen. 

Voraussetzung für die Teilnahme: Bitte beachten Sie, dass dieser Lehrgang kein Anfängerkurs ist. Für den Lehrgang benötigen Teilnehmer erste Erfahrung in Python bzw. die Beherrschung einer anderen Programmiersprache. Notwendig sind neben den Programmierkenntnissen grundlegende Vorkenntnisse im Bereich der Statistik, Begriffsdefinitionen wie bspw. Mittelwert, Median, Standardabweichung, Normalverteilung) und Kenntnisse grundlegender mathematischer Symbole und Begriffe (Summenzeichen, Integral, Funktion, Ableitung, Menge der natürlichen und reellen Zahlen, Vektor, Matrix).

Voraussetzung für den Erhalt des Zertifikats ist die Bearbeitung unterschiedlicher Aufgaben zwischen den Modulen 3 und 4. Die Aufgaben werden im Rahmen von Modul ausführlich ausgewertet und diskutiert.