Einführung in Deep Learning
Was Sie im Online-Kurs erwartet
Tauchen Sie ein in die Welt der künstlichen neuronalen Netze und entdecken Sie die Möglichkeiten des Deep Learnings mit Python.
Dieser Kurs richtet sich an Python-Entwickler und Datenwissenschaftler, die ihr Wissen im Bereich Deep Learning vertiefen möchten. Wir werden uns mit den theoretischen Grundlagen neuronaler Netze beschäftigen und verschiedene Deep-Learning-Architekturen wie CNNs, RNNs und LSTMs kennenlernen. Durch praktische Übungen und Projekte werden die Teilnehmer lernen, wie sie diese Modelle für Aufgaben wie Bildklassifizierung und Textverarbeitung im Alltag einsetzen können.
- Grundlagen neuronaler Netze: Perzeptron/Aktivierungsfunktionen/Backpropagation
- Optimierungsalgorithmen: Gradient Descent/Adam
- Convolutional Neural Networks (CNNs): Architekturen/Anwendungen in der Bildverarbeitung
- Recurrent Neural Networks (RNNs) und LSTM
- Transfer Learning: Nutzung vortrainierter Modelle
- Hyperparameter-Tuning: Optimierung von Deep-Learning-Modellen
- Praktische Projekte: Anwendung von Deep Learning auf reale Probleme
Nach Abschluss dieses Kurses werden die Teilnehmer in der Lage sein die Funktionsweise verschiedener Deep-Learning-Architekturen zu verstehen und zu erklären. Sie werden in der Lage sein Vortrainierte Modelle effektiv zu nutzen und anzupassen (Transfer Learning), um so schnell eigene Anwendungen zu entwickeln.
Dieser Kurs richtet sich an angehende Datenanalysten und Data Scientisten und alle, die sich für die Anwendung von Deep Learning in Python interessieren. Grundlegende Python-Kenntnisse sind notwendig. Kenntnisse in der Linearen Algebra sind von Vorteil.
Jetzt Kurs anfragen: Einführung in Deep Learning
Tauchen Sie noch tiefer in die Python-Programmierung ein und erweitern Sie ihr Wissen über fortgeschrittene Konzepte und Techniken.
Professionelle Schulungen der QUALIDY GmbH
Lebendig und interessant präsentiert.
Meinungen von Kursteilnehmern
Unterrichtsgestaltung
Der Unterricht besteht aus drei Konzepten, welche sich gegenseitig ergänzen, um einen maximalen Lernerfolg zu erzielen.
Input
Der Input ist der Grundstein der Wissensvermittlung in Form von prägnanten Lehrvorträgen. Hier wird zunächst geklärt, worum es geht. Dabei werden die Lernenden dort abgeholt, wo sie gerade sind. Wozu wird das, was gerade beigebracht wird, benötigt? Wie funktioniert es?
Dies stärkt die Motivation, sich mit der Thematik auseinanderzusetzen. Lehrvorträge sind der Baustein mit dem höchsten Theorieanteil. Angereichert wird sie mit praktischen Beispielen und kurzen Übungen.
Praktische Übung
Übung macht den Meister – und auf diesem Weg begleiten unsere Dozenten
die Lernenden. Konkrete Übungsaufgaben werden einzeln, in Gruppen oder sogar als Klassenverband zusammen Stück für Stück bearbeitet und besprochen. Dabei geht der Dozent auf mögliche Fallstricke ein, kommentiert
Lösungswege, zeigt „Best Practices“ und behandelt Fragen, die während der
Übung auftreten. Die Lernenden bekommen Gelegenheit, ihre Ergebnisse
der Klasse vorzustellen. Hier liegt der Praxisanteil bei nahezu hundert Prozent.
Projekt
Ein selbstfahrendes Auto, das einer Linie folgt und Hindernissen ausweicht, eine
barrierefreie PDF, erstellt durch ein Worddokument, oder auch ein eigenes
Bibliothekssystem zum Ausleihen von Medien.
Im Lauf der Fortbildung arbeiten die Lernenden an einem konkreten Projekt.
Dies wird zu Beginn erklärt. Dies stärkt die Motivation, denn der Weg zum Ziel
mag manchmal steinig sein, aber ein konkretes Ziel vor Augen hilft, den Weg
zu gehen – natürlich stets begleitet vom Dozenten.
