In diesem Seminar erhalten Sie einen kompakten Überblick über die wichtigsten Themen im Bereich Deep Learning. Etwa die Hälfte der Zeit werden wir uns mit der konkreten Implementierung von Deep Learning mit TensorFlow 2 beschäftigen. Sie erhalten damit neben einer Einführung in alle wichtigen Konzepte die Fähigkeit zur Entwicklung von einen Neuronalen Netzwerken und einen Überblick wann welcher Ansatz geeignet ist.
Dieses Seminar hilft Ihnen dabei, die richtige Form von Deep Learning auszuwählen und praktisch umzusetzen.
Den größten Teil nimmt das Supervised Deep Learning auf unterschiedlichen Anwendungsgebieten ein. Dabei wird ein neuronales Netz mit passenden Werten aus Ein- und Ausgaben trainiert und lernt so ein vorgegebenes Verhalten nachzuahmen. Beim Unsupervised Deep Learning lernen spezielle neuronale Netzwerke Zusammenhänge aus gegebenen Daten, ohne dass richtige Antworten durch Menschen gegeben werden müssen. Dadurch können z.B. Anomalien, Ausreißer und Gemeinsamkeiten erkannt, realistische Arterfakte erzeugt und Fehler in Daten korrigiert werden. Im Deep Reinforcement Learning reicht es, ein Problem zu beschreiben und der Maschine Experimente innerhalb einer kontrollierten Umgebung zu erlauben.
Entwickler, Data Engineers, Data Scientists, Mathematiker, Statistiker. Verständnis der Grundideen von Machine Learning. Grundlegende Kenntnisse der Programmierung / Scripting. Erfahrungen mit Methoden des klassischen Machine Learnings sind hilfreich, aber nicht notwendig.
Regression, Klassifikation, Metriken und Regularisierung
Anwendungen von Deep Learning auf strukturierten Daten, Bilddaten und Zeitreihen
Autoencoder und Embeddings
Modellierung, Algorithmen und Anwendungen
Alle Übungsergebnisse und gezeigten Theorieinhalte werden den Teilnehmern im Anschluss elektronisch zur Verfügung gestellt
Ergänzend für das Seminar ist das Buch „Machine Learning – kurz & gut“ (O’Reilly, 2018) Ihres Trainers Oliver Zeigermann. Das Buch ist für jeden Teilnehmer im Seminarpreis enthalten (Gebundene Ausgabe und eBook).
