Deep Learning Einführung mit GPUs (Keras, Tensorflow, Python) (3 Tage)

Kurs

In Stuttgart

1.710 € zzgl. MwSt.

Beschreibung

  • Kursart

    Intensiv-Workshop

  • Niveau

    Mittelstufe

  • Ort

    Stuttgart

  • Unterrichtsstunden

    24h

  • Dauer

    3 Tage

Seminar mit high-performance GPUs. Keras zur Analyse von Daten, Bildern, Zeitreihen:

Dieses drei tägige Intensivseminar führt Sie in das Thema Deep Learning ein mit Anwendungsbeispielen für Bild-, Text- und numerischen Daten. Jedem Teilnehmer steht dabei eine high-performance GPU (NVIDIA Tesla P100) in der Cloud zur Verfügung.

Es werden typische Anwendungen von Deep Learning Algorithmen behandelt: Klassifikation von Bildern, Vorhersage bei numerischen Daten, Klassifikation/Vorhersage bei Text bzw. Sequenzdaten.

Sie lernen die Neuronale Netzwerk Klassen Multi-Layer Perceptron (MLP), Convolutional Neural Network (CNN), Recurrent Neural Networks (RNN) und Long Short Term Memory (LSTM) kennen. Zudem präsentieren wie Ihnen die bekanntesten Neuronalen Netzwerkstrukturen (VGG, GoogLeNet, ResNet, ...).

Die verwendete Programmiersprache ist Python mit dem Framework Keras / Tensorflow. Der Kurs ist praxisorientiert mit vielen Übungsaufgaben. Die Bearbeitung der Übungsaufgaben erfolgt in der Python Umgebung Jupyter Notebook.

Behandelte Themen in dieser Schulung:
* Grundlagen von Maschinellem Lernen und Künstlicher Intelligenz (KI)
* Daten Vorbereitung (Normalisierung, Train-Valid-Test Split, One-hot encoding)
* Multi-Layer-Perceptron (MLP) in Keras/Tensorflow (Neuronales Netz)
* Ein Netzwerk trainieren und auf neue Daten anwenden
* Convolutional Neural Network (CNN)
* Keras Callbacks (Early Stopping, ModelCheckpoint)
* Klassifizierung von Bildern
* Deep Learning für Text- und Sequenzdaten
* Recurrent Neural Network (RNN) und LSTMs
* Fine-Tuning

Standorte und Zeitplan

Lage

Beginn

Stuttgart (Baden-Württemberg)
Karte ansehen

Beginn

auf Anfrage

Hinweise zu diesem Kurs

Das Ziel des Kurses ist es Sie in das Thema Deep Learning einzuführen und Ihnen zu zeigen, wie Neuronale Netze in dem Framework Keras / Tensorflow trainiert werden und welche typischen Hindernisse Sie begegnen könnten. Zudem werden wir erläutern, wie Sie online (auch kommerziell) verwendbare Neuronale Netze inkl. des Keras Codes finden können, so dass Sie ggfs einen Prototypen für Ihre Anwendung innerhalb eines oder wenigen Tagen gebaut haben. Die Use Cases kommen aus dem Bereich der Bild-, Text, und Sequenzdatenverarbeitung.

Die Schulung ist ausgelegt für technisch interessierte Fachkräfte, z.B. data scientists, angehende Deep Learning / Machine Learning Ingenieure, o.ä., welche ein Interesse im dem Thema Deep Learning und Neuronale Netze mit Use Cases aus der Bildverarbeitung haben und die Deep Learning Algorithmen in Keras / Tensorflow in Python entwerfen und trainieren möchten.

Notwendig sind erste Kenntnisse in der Programmiersprache Python oder gute Kenntnisse in einer anderen Programmiersprache und einfach Erfahrungen mit Bilddaten. Hilfreich sind folgende Fähigkeiten: ein Bild als Matrix von Farbkanälen verstehen (RGB x Breite x Höhe), einen einfache Grafik mit matplotlib zu erstellen, einfache Funktionen des numpy Paketes, importieren von Python Modulen, Control flows (for loop, if-else, while), Funktionen in Python schreiben.

Das Seminar wird auf Deutsch gehalten. Englischkenntnisse (lediglich im Verstehen von englischen Texten) sind sehr empfehlenswert.

* Die Schulungsleiter kommen aus der Praxis und haben langjährige praktische Erfahrung in dem Gebiet.

* Unsere Kurse sind vollständig ausgearbeitet. Die Schulung hat eine klare Struktur. Die Theorie wird anhand von Folien erläutert, welche auch als Nachschlagemöglichkeit verwendet werden können. Zu jeder Übungsaufgabe gibt Lösungen (fertigen Code,) der einen (oder mehrere) Lösungswege darstellt. Fragen, auch über das Thema hinausgehende, werden am Flipchart erläutert. Falls wir eine Frage nicht spontan oder nur unzureichend am Flipchart beantworten können, erarbeiten wir neue Unterlagen und versenden diese nach dem Seminar. Unsere Seminare sind KEINE Live-Coding Sessions des Kursleiters, in denen die Kursteilnehmer hauptsächlich damit beschäftigt sind, den Code des Dozenten abzutippen.

* Bisherige Schulungsteilnehmer empfehlen uns weiter uns sind sehr zufrieden mit unseren Kursen (siehe unsere ProvenExpert Bewertungen https://www.provenexpert.com/enable-ai/)

* Der Schwerpunkt der Schulung liegt in der praktische Umsetzung mit vielen Übungsaufgaben (und Lösungen). Dabei erhoffen wir uns, dass Sie die gängigen Fehler schon während des Kurses machen können (um sie hinterher zu vermeiden :)

* Die Gruppengröße ist auf max. 10 Teilnehmer beschränkt. Damit können wir garantieren, dass wir jede Frage individuell beantworten können.

Unsere Kurse finden ab 3 Teilnehmern statt. Die Gruppengröße ist auf max. 10 Teilnehmer beschränkt.

Die Widerrufsbelehrung können Sie unter https://www.enable-ai.de/widerrufsrecht/ finden. Buchungen können bis 14 Tage vor Kursbeginn kostenlos storniert werden. 7 bis 14 Tage vor Kursbeginn fallen 50% Stornokosten an. Bei einer Stornierung von weniger als 7 Tagen vor Kursbeginn müssen wir Ihnen die gesamte Kursgebühr zzgl. MwSt in Rechnung stellen. Sie haben bei Stornierung aber die Möglichkeit das (oder ein anderes) bereits stattfindendes Seminar kostenfrei (bzw. nach Bezahlung des Differenzbetrages) zu besuchen. Natürlich kann auch kurzfristig ein Kollege / eine Kollegin Sie im Seminar vertreten.

Sie können uns gerne kontaktieren (info@enable-ai.de). Gemeinsam können wir feststellen, ob der Kurs für Sie geeignet ist, oder ob zur Erreichung Ihrer Ziele ein anderer Kurs aus unserem Angebot an Data Science, Machine Learning bzw. Deep Learning Schulungen besser passen würde. Falls nicht, haben wir ggfs. den ein oder anderen Hinweis, wie Sie ohne unsere Dienstleistungen im Bereich Künstlicher Intelligenz weiterkommen können.

Die Übungsaufgaben sind meistens Coding Aufgaben, d.h. Sie sollen entweder Code-Snippets selbst schreiben oder Lücken im Code ausfüllen. Das Lückenausfüllen schult auch das Lesen und Verstehen von Code. Die Schwierigkeit und Umfang der Aufgaben ist so gestaltet, dass die wichtigsten Übungen von allen Kursteilnehmern erfolgreich (in der dafür vorgegebenen Zeit) bearbeitet werden können. Es gibt Übungsaufgaben unterschiedlichen Schwierigkeitsgrades, so dass Teilnehmer mit Vorwissen oder schnellere Teilnehmer zusätzliche Aufgaben zur Verfügung stehen. Desweiteren haben wir in einigen Kapiteln kurze Kontrollfragen zum theoreitschen Teil vorbereitet.

Jeder Block (meist 90 Minuten lang) umfasst eine oder mehrere Einheiten aus Theorie und Praxis. Die Theorieeinheit erläutert das nötige Wissen um die Übungsaufgaben verstehen und eigenständig bearbeiten zu können. Wir vermeiden es, Ihre Zeit mit langen, wissenschaftlich theoretischen Ausschweifungen zu verschwenden und beschränken uns stattdessen auf die notwendige Theorie, die zu einem besseren Verständnis und Intuition verhilft. Der Schwerpunkt der Schulung ist die Praxis, d.h. Codeschreiben und das Lösen von Verständnisaufgaben stehen im Mittelpunkt. Wir beantworten jederzeit gerne Fragen von Kursteilnehmern. Aufkommende Fragen während der Übungsaufgaben werden individuell beantwortet. Fragen, die alle Teilnehmer interessieren könnten, werden nach dem Praxisblock ausführlich erläutert. Das Skript, welches neben den Folien mit der vorgestellten Theorie und mach weiterführenden Erklärungen, auch den Code umfasst, erhalten Sie in digitaler (als .pdf) und gedruckter Version. Der Code und die Musterlösung der Aufgaben gibt es digital.

Fragen & Antworten

Ihre Frage hinzufügen

Unsere Berater und andere Nutzer werden Ihnen antworten können

Wer möchten Sie Ihre Frage beantworten?

Geben Sie Ihre Kontaktdaten ein, um eine Antwort zu erhalten

Es werden nur Ihr Name und Ihre Frage veröffentlicht.

Meinungen

Themen

  • Keras
  • Tensorflow
  • Python
  • Deep Learning
  • Neuronales Netz
  • Multi Layer Perceptron (MLP)
  • Convolutional Neural Network (CNN)
  • Recurrent Network (RNN)
  • Long-Short-Term Memory (LSTM)
  • Keras Callbacks
  • Bildklassifizierung
  • Textanalyse
  • Fine-Tuning von Netzen

Dozenten

Dr. Rolf Köhler

Dr. Rolf Köhler

Deep Learning, Maschinelles Lernen, Künstliche Intelligenz, Python

Nach dem Studium der Mathematik und der BWL promovierte er im Bereich Machine Learning und Bildverarbeitung mit Anwendung von Deep Learning Algorithmen. Seit 2015 unterstützt er bei der Robert Bosch GmbH mit seinem Fachwissen im Bereich Deep Learning und implementiert bzw. adaptiert verschiedene state-of-the-art Algorithmen für aktuelle industrielle Anwendungsfälle, darunter Autonomes Fahren und visuelle Fehlerinspektion. Aus Erweiterungen und eigenen Ideen sind mehrere Patentanmeldungen entstanden. Seit 7 Jahre verwendet er die Programmiersprache Python.

Jan Köhler

Jan Köhler

Deep Learning, Machine Learning, Data Science, KI, Python, R

Vom Hintergrund Statistiker und Wirtschaftsingenieur hat er über 7 Jahre an den neuesten Technologien in Machine Learning, Deep Learning und Data Science im Bosch Center for Artificial Intelligence (BCAI) gearbeitet, hat in der Praxis bei über 25 Patentanmeldungen (meist als Haupterfinder) beigetragen und ist Mitautor bei Veröffentlichungen im Bereich Machine Learning, Medizinstatistik bzw. Operations Research. In vielen Praxisprojekten unterstützte er bisher als Data Scientist bei den verschiedenen Stufen eines Data Mining Projekts und hat bisher über 300 Teilnehmer geschult.

Inhalte

Behandelte Themen in dieser Schulung:
* Grundlagen von Maschinellem Lernen und Künstlicher Intelligenz (KI)
* Daten Vorbereitung (Normalisierung, Train-Valid-Test Split, One-hot encoding)
* Multi-Layer-Perceptron (MLP) in Keras/Tensorflow (Neuronales Netz)
* Ein Netzwerk trainieren und auf neue Daten anwenden
* Convolutional Neural Network (CNN)
* Keras Callbacks (Early Stopping, ModelCheckpoint)
* Klassifizierung von Bildern
* Deep Learning für Text- und Sequenzdaten
* Recurrent Neural Network (RNN) und LSTMs
* Fine-Tuning

Deep Learning Einführung mit GPUs (Keras, Tensorflow, Python) (3 Tage)

1.710 € zzgl. MwSt.