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. 4 Tage)

  • Perceptron
  • Berechnung neuronaler Netze
  • Optimierung der Modellparameter, Backpropagation
  • Deep-Learning-Bibliotheken
  • Regression vs. Klassifikation
  • Lernkurven
  • Überanpassung und Regularisierung
  • Hyperparameteroptimierung
  • Stochastischer Gradientenabstieg (SGD)
  • Momentum
  • Adam Optimizer
  • Lernrate

Convolutional Neural Network (CNN) (ca. 2 Tage)

  • Bildklassifizierung
  • Convolutional-Schichten, Pooling-Schichten
  • Reshaping-Schichten, Flatten, Global-Average-Pooling
  • CNN-Architekturen ImageNet-Competition
  • Tiefe neuronale Netze, Vanishing Gradients, Skip-Verbindungen, Batch-Normalization

Transfer Learning (ca. 1 Tag)

  • Anpassen von Modellen
  • Unüberwachtes Vortrainieren
  • Image-Data-Augmentation, Explainable AI

Regional CNN (ca. 1 Tag)

  • Objektlokalisierung
  • Regressionsprobleme
  • Verzweigte neuronale Netze

Generative Adversarial Networks (ca. 1 Tag)

  • Anwendungen von GANs
  • Deepfakes
  • Deep-Convolutional-GANs

Recurrente neurale Netze (ca. 2 Tage)

  • Sequenzanalyse
  • Rekurrente Schichten
  • Backpropagation through time (BPTT)
  • Analyse von Zeitreihen
  • Exploding und Vanishing Gradient Probleme
  • LSTM (Long Short-Term Memory)
  • GRU (Gated Recurrent Unit)
  • Deep RNN
  • Deep LSTM

Textverarbeitung durch neuronale Netze (ca. 2 Tage)

  • Text-Preprocessing
  • Embedding-Schichten
  • Text-Klassifizierung
  • Sentimentanalyse
  • Transfer-Learning in NLP
  • Übersetzungen
  • Seqence-to-Sequence-Verfahren, Encoder-Decoder-Architektur

Sprachmodelle (ca. 1 Tag)

  • BERT
  • Attention-Schichten, Transformers
  • Textgeneration-Pipelines
  • Summarization
  • Chatbots

Deep Reinforcement Learning (ca. 1 Tag)

  • Steuerung dynamischer Systeme
  • Agentensysteme
  • Training durch Belohnungen
  • Policy Gradients
  • Deep-Q-Learning

Bayes´sche neuronale Netze (ca. 1 Tag)

  • Unsicherheiten in neuronalen Netzen
  • Statistische Bewertung von Prognosen
  • Konfidenz, Standardabweichung
  • Unbalancierte Daten
  • Sampling-Methoden

Projektarbeit (ca. 3 Tage)

  • Zur Vertiefung der gelernten Inhalte
  • Präsentation der Projektergebnisse

Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.

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 in der Programmiersprache 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 Bildungszentrum GmbH

Bildungszentrum Schwerin

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

Kontakt

alfatraining Bildungsberatung

Telefon
0800 3456-500
Internet
https://www.alfatraining.de/gefoerderte-weiterbildung/
anerkanntes Qualitätsmanagementsystem
DIN EN ISO 9001, Trägerzulassung nach AZAV

Veranstaltungsort

alfatraining Bildungszentrum GmbH

Bildungszentrum Schwerin

Besucheranschrift
Puschkinstraße 64
19055 Schwerin
Deutschland
Telefon
0800 3456-500
Wegbeschreibung
Wegbeschreibung
Internet
https://www.alfatraining.de/gefoerderte-weiterbildung/

Fanden Sie die Kursbeschreibung hilfreich?

Kurs aktualisiert am 03.01.2023, Datenbank-ID 00268102