Deep Learning mit Python Kurs

• Folgende Lerninhalte werden in unserem Deep Learning-Kurs vermittelt:
  • Einführung und Übersicht
    • Begriffsklärung: Machine Learning, Neuronale Netze, Deep Learning, AI, Perzeptron…
    • Aufsetzen der Python-Umgebung (Scipy, Keras, TensorFlow…)
    • Machine Learning Grundlagen
  • Python und Einführung in Machine Learning
    • Crashkurs und Übersicht Numpy und Pandas
    • Maschinelles lernen richtig verstehen ohne ML Bibliotheken
    • Das Perzeptron
    • Mathematische Grundlagen einfach erklärt
    • Skalarprodukte und Heaviside-Funktion (ja wirklich Heaviside)
    • Delta-Regeln
    • Neuronen mit Bias
    • Eingabe- und Ausgabe-Neuronen
    • Lernrate und Training
    • Visualisierung mit Matplotlib und Pandas
  • Datenaufbereitung, Testsets und Parameter
    • Richtige Trainingsdaten auswählen
    • Varianzen und potentielle Probleme
    • Ungereimtheiten und Abweichungen finden
    • Einschätzung Machbarkeit, Ressourcen-Aufwand, Genauigkeit & Co
    • Daten vektorisieren und standardisieren
    • CSV- und Text-Dateien
    • Bilder
    • Andere Datenquellen
  • Neuronale Netze mit Tensorflow
    • Übersicht und Architektur
    • Tensorflow 2.0
    • Was ist ein neuronales Netzwerk?
    • Überwachtes lernen mit neuronalen Netzwerken
    • Modelle für verschiedene Szenarien
    • Arten von Algorithmen
    • Bild-Klassifizierung
    • Textverständnis
    • Validierung der eigenen Modelle
  • Deep Learning und Keras
    • Aktuelle Trends
    • Anwendungsbereiche und aktuelle Beispiele
    • Unüberwachtes lernen
    • Arten von Netzwerken und Modellen
    • Keras
    • Dataset Objects
    • Modelle trainieren
    • GPU Optimierung
    • Modell Konfigurationen
    • KerasTuner
    • Echte Beispiele von Anfang bis Ende
    • Visualisierung des Modells

Zielgruppe:

Dieses Seminar richtet sich an Fachkräfte, die neu in den Bereich Machine Learning einsteigen und als Data Scientists oder Softwareentwickler praxisnahes Wissen für den produktiven Einsatz moderner KI-Lösungen erwerben möchten.

Für diese Schulung sollten Teilnehmende sicher mit Python umgehen, praktische Erfahrung mit Numpy und Jupyter-Notebooks mitbringen und bereits an komplexen Softwareprojekten gearbeitet haben. Vorkenntnisse im Machine Learning sind nicht erforderlich.