Python mit Tensorflow Kurs

• Folgende Lerninhalte werden in unserem Python-Kurs vermittelt:
  • Prinzip und Arbeitsweise eines künstlichen neuronalen Netzwerks
  • Überblick über maschinelles Lernen und Deep Learning
  • Python für große Datenmengen (Big Data Basics)
  • Einstieg in Python numpy: Matrizen, Vektoren, Broadcasting
  • Datenanalyse und -vorbereitung mit pandas
  • Visualisierung von Daten mit matplotlib und seaborn (Überblick)
  • Einführung in TensorFlow: Aufbau, Komponenten und Philosophie
  • TensorFlow 2.x vs. ältere Versionen – Keras als High-Level-API
  • Aufbau und Training einfacher neuronaler Netzwerke mit Keras
  • Verwendung von Aktivierungsfunktionen, Optimierern und Loss-Funktionen
  • Evaluierung und Visualisierung der Trainingsfortschritte mit TensorBoard
  • Regularisierungsmethoden (Dropout, Early Stopping, etc.)
  • Einsatz von vortrainierten Modellen (Transfer Learning)
  • Anwendung von Convolutional Neural Networks (CNNs) – Grundlagen und Beispiele
  • Einführung in Recurrent Neural Networks (RNNs) und LSTMs (optional, je nach Zielgruppe)
  • Modell-Export und -Deployment mit TensorFlow SavedModel
  • Tipps zur Performance-Optimierung und GPU-Nutzung
  • Ausblick: TensorFlow Lite, TensorFlow.js und AutoML
  • Hands-On: Eigene Modelle trainieren und testen

Zielgruppe:

Dieses Kursformat richtet sich an Fachkräfte, die als Softwareentwickler oder angehende Data Scientists moderne Machine-Learning-Technologien mit Python und TensorFlow praxisnah erlernen und produktiv einsetzen möchten.

Für diese Schulung sollten Teilnehmende über Python-Kenntnisse verfügen, die dem Niveau eines Grundkurses entsprechen und ein solides Verständnis für grundlegende Programmierkonzepte mitbringen.