Deep Learning

Inhalt/Beschreibung

Zielgruppe: Informatiker:innen, Mathematiker:innen, Elektrotechniker:innen sowie Personen mit Studium der (Wirtschafts-) Ingenieurwissenschaften.

Der Kurs erläutert die Methoden des Deep Learnings auf Basis von neuronalen Netzen. Deep Learning als Teilbereich des Machine Learnings, nutzt Algorithmen für intelligente Lernprozesse. Der Lehrgang vermittelt dazugehörige Tools wie TensorFlow und Keras und erläutert Bildklassifizierung anhand von Convolutional Neural Networks (CNN). Im weiteren Verlauf werden auch Recurrent Neural Networks (RNN) und Generative Modelle vorgestellt.

Lehrgangsinhalte

Einführung Deep Learning (ca. 1 Tag)

  • Deep Learning als eine Art von Machine Learning

Grundlagen in neuronalen Netzen (ca. 3 Tage)

  • Logistische Regression
  • Perceptron
  • Deep MLP
  • Backpropagation
  • Stochastischer Gradientenabstieg (SGD)
  • Adam Optimization Algorithm
  • Überanpassung Lernkurve
  • Regularisierung
  • Hyperparameter
  • Hyperparameteranpassung

Frameworks (ca. 1 Tag)

  • TensorFlow
  • Keras
  • Pytorch

Convolutional Neural Network (CNN) (ca. 3 Tage)

  • Das Problem von Bildklassifizierung
  • ImageNet
  • Faltungsoperation
  • CNN Schichten
  • Max Pooling
  • ReLU (Rectified Linear Unit)
  • CNN Architekturen
  • AlexNet
  • CNN für Regressionsprobleme

Transfer Learning (ca. 1 Tag)

  • Unsupervised Pretraining
  • CNN und klassische Algorithmen

Fortgeschrittene CNNs (ca. 1 Tag)

  • MobileNet
  • Regionale CNN (R-CNN)
  • Explainable Al
  • ResNet (Residual Neural Network)
  • Skip Layers

Recurrent Neural Networks (RNN) (ca. 2 Tage)

  • Sequenzanalyse
  • Themen in NLP
  • Language Models
  • RNN Anwendungen in NLP
  • Vanilla-RNN
  • Backpropagation through time (BPTT)
  • Vanishing gradient
  • Exploding gradient

Gated RNN (ca. 1 Tag)

  • LSTM (Long Short-Term Memory)
  • GRU (Gated Recurrent Unit)
  • Deep RNN
  • Deep LSTM

Seq2seq (ca. 1 Tag)

  • Encoder-Decoder
  • Architektur
  • Dropout
  • Batch normalization
  • Chatbots

Transformers (ca. 1 Tag)

  • BERT, GPT-2
  • Transfer Learning in NLP

Generative Modelle (ca. 2 Tage)

  • Generative Adversarial Networks (GAN)
  • Deepfake
  • Sampling
  • Anwendungen von GANs
  • Bayessche Netze

Projektarbeit (ca. 3 Tage)

  • Zur Vertiefung der gelernten Inhalte
  • Präsentation der Projektergebnisse

Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.

Abschlussprüfung: Praxisbezogene Projektarbeit mit Abschlusspräsentation

Präsenzlehrgänge mit Videotechnik der neuesten Generation
Der Einsatz von Videokonferenzsystemen gehört zum Lehrgangskonzept von alfatraining. Diese Form von Unterricht trainiert das Arbeiten in einer vernetzten Arbeitsumgebung, wie sie in Industrie und Wirtschaft existiert. In der globalisierten Arbeitswelt arbeiten Firmen heutzutage sowohl firmenintern als auch mit anderen Unternehmen deutschlandweit, europaweit oder weltweit über moderne Kommunikationstechniken und Netzwerke zusammen. Sie lernen im Unterricht den Umgang und Einsatz dieser modernen Techniken kennen.

Wie funktioniert der Unterricht bei alfatraining?
Bei alfatraining findet der Unterricht via alfaview®, einer Videokonferenzsoftware, statt. Die Dozierenden und die Teilnehmenden können sich gegenseitig sehen, hören und miteinander sprechen – live, lippensynchron und in Fernsehqualität! Über den virtuellen Klassenraum alfaview® ist es möglich, dass Sie sowohl mit Dozierenden als auch mit allen Teilnehmerinnen und Teilnehmern Ihres Kurses sprechen und im Team standortübergreifend gemeinsam an Projekten arbeiten. Zusätzliche separate Online-Besprechungsräume eignen sich zur vertraulichen Kommunikation in Kleingruppen.

Lernziel

Nach dem Lehrgang verstehen Sie die Einsatzbereiche von Deep Learning und die Funktionsweisen neuronaler Netzwerke. Sie verstehen wie neuronale Netze Objekte in Bildern erkennen können, sind in der Lage maschinelles Lernen bereitzustellen und Prozesse zu dokumentieren.

Angaben zur geschlechterspezifischen Nutzung
keine Einschränkungen
Fachliche Zugangsvoraussetzungen

Vorkenntnisse im Bereich Machine Learning sowie Grundlagenwissen in Python.

Gesundheitliche Zugangsvoraussetzungen

keine Einschränkungen


Hinweis des Datenbankbetreibers: Informationen über die Barrierefreiheit erfragen Sie bitte beim Anbieter.
Technische Zugangsvoraussetzungen

keine Einschränkungen

Zeitmuster
Vollzeit
Lehr- und Lernform
Seminar/Präsenzveranstaltung
Abschlussart
Teilnahmebestätigung / Zertifikat des Anbieters
Nähere Bezeichnung des Abschlusses
alfatraining- Zertifikat
Voraussichtliche Dauer
4 Woche(n)
Termin
Termine auf Anfrage
Bemerkungen zum Termin
Kursstart alle 4 Wochen
Mindest­teilnehmer­anzahl
3
Maximale Teilnehmerzahl
25
Teilnahmegebühr
Bitte erfragen
Hinweis des Datenbankbetreibers: Bitte erfragen Sie beim Anbieter eventuell auftretende Nebenkosten!
Fördermöglichkeiten
Weitere Informationen im Internet
Themengebiet
Informatik-, Informations- und Kommunikationstechnologie

Bildungsanbieter

alfatraining GmbH

Bildungszentrum Rostock

Internet
https://www.alfatraining.de
Bildungsanbieter-Infos
Bildungsanbieter-Infos

Kontakt

alfatraining Bildungsberatung

Telefon
0800 3456500
Internet
https://www.alfatraining.de/kontakt/rostock/
anerkanntes Qualitätsmanagementsystem
DIN EN ISO 9001, Trägerzulassung nach AZAV

Veranstaltungsort

alfatraining GmbH

Bildungszentrum Rostock

Besucheranschrift
Doberaner Straße 110
18057 Rostock
Deutschland
Telefon
0800-3456-500
Wegbeschreibung
Wegbeschreibung
Internet
https://www.alfatraining.de

Fanden Sie die Kursbeschreibung hilfreich?

Kurs aktualisiert am 13.05.2022, Datenbank-ID 00268103