Beschreibung
Grundlagen des Deep Learning in TensorFlow und PyTorch
Zielgruppe: Nur für Unternehmen und Institutionen.Deep Learning (DL) ist ein sich schnell entwickelnder Bereich der Künstlichen Intelligenz, der erstaunliche Ergebnisse bei der Ausführung von Aufgaben gezeigt hat, die traditionell nur von Menschen gut ausgeführt werden. Beispiele für solche Aufgaben sind die Gesichts-, Objekt- oder Spracherkennung z. B. bei der medizinischen Bilderkennung, Text- und Spracherkennung im Vertrieb, bei der IT-Datensicherheit oder beim Monitoring von Finanztransaktionen. Diese Methoden kommen auch zum Einsatz bei der Bildklassifizierung, der Erstellung von Bildbeschreibungen in natürlicher Sprache, der Übersetzung in andere Sprachen sowie der Umwandlung von Sprache in Text und von Text in Sprache. Das Ziel von Deep Learning ist es, Computer in die Lage zu versetzen, komplexe Aufgaben zu lösen beispielsweise Tumore auf einem MRT-Bildschirm zu erkennen, Menschen oder Gegenstände in einem Video zu identifizieren, Texte zu interpretieren und zusammenzufassen. Deep-Learning-Modelle können im Vergleich zu anderen Ansätzen des maschinellen Lernens bessere, schnellere, kostengünstigere und wertvollere Vorhersagen liefern. Vorhersagemodelle (z. B. Bedarfsprognosen), die auf tiefen künstlichen neuronalen Netzen basieren, können nichtlineare Beziehungen erkennen und komplexe Muster herausfinden.
Kommende Starttermine
Inhalte / Module
- Künstliche Neuronale Netze (ANN)
- Backpropagation, Regularisierung
- Stochastischer Gradientenabstieg, verschiedene Optimierer
- Faltungsneuronale Netze (CNNs)
- MAX Pooling, CNN Architekturen
- Rekurrente Neuronale Netze (RNNs), GRUs, LSTMs
- Sequenzanalyse, Sprachmodelle
- Seq2Seq
- Encoder-Decoder
- Transformer (BERT, T5, GPT2) und Vision Transformer
- Attention, Transfer Learning und Fine Tuning
- Worteinbettungen jenseits von word2vec und GloVe
- Autoencoder, Variations-Autoencoder (VAE)
- Siamesische Netzwerke in Pytorch
- Generative Modelle
- Generative Adversarial Networks (GANs)
- Deepfake
Der Schwerpunkt des Seminars liegt auf der Umsetzung von Projekten. In den folgenden Modulen werden die Programme (Python) auf Basis Tensorflow bzw. Pytorch mit der API Keras entwickelt:
- Computer Vision (Bildverarbeitung)
- Gesichtserkennung (Alter, Geschlecht, Emotionen, Ethnizität)
- Lagebestimmung von Objekten auf Bild- bzw. Videodaten
- Erkennen von Objekten auf Kamerabildern, um so z.B. eine Sortierung zu ermöglichen
- Analyse und Diagnose anhand medizinischer Scans
- Erkennen von Anomalien oder visuellen Defekten während eines Produktionsprozesses
- GAN-basierte Bild- und Videoeinfärbung
- Textuelle Beschreibungen von Bildern
- IOT: Predictive Maintenance (vorausschauende Instandhaltung)
- IOT: Erkennen von Anomalien oder visuellen Defekten während eines Produktionsprozesses
- Natural Language Processing (Textverarbeitung)
- Automatische Übersetzung von Texten
- Textzusammenfassungen (extraktive und abstraktive)
- Automatische Beantwortung von Fragen
- Stimmungsanalyse (Sentiment) von Texten
- Chatbot
- Zeitreihenanalyse (Prognose) als Deep Learning Problem
- Vorhersage von multivariaten Zeitreihen mit RNNs
- Beispiele: Bedarfsprognose, Regenvorhersage, COVID-19, Algorithmic Trading
Zielgruppe / Voraussetzungen
Hinweis: Dieser Kurs richtet sich an Mitarbeitende aus Unternehmen und Institutionen.
Für Privatpersonen ist dieser Kurs leider nicht geeignet.
Bitte beachten Sie: Bildungsgutscheine der Agentur für Arbeit werden für diesen Kurs NICHT anerkannt.
Abschlussqualifikation / Zertifikat
Infos anfordern
GFU Cyrus AG
Erweitern Sie Ihre IT-Skills mit einem offenen IT-Training oder ganz nach Ihren Bedürfnissen durch eine individuelle IT-Schulung. Programmiersprachen (C#, Python, Java, …), Microsoft Office 365, Anforderungsmanagement, Projektmanagement, Business Intelligence, Data Science, Künstliche Intelligenz, IT-Sicherheit , Administration & Datenbanken, Softwareentwicklung, Testmanagement...
Erfahren Sie mehr über GFU Cyrus AG und weitere Kurse des Anbieters.
Bewertungen von Teilnehmern
Bewertungsdurchschnitt: 5
Das Seminar hat meine Erwartungen übertroffen. Insgesamt ein ideales Grundlagen-Seminar mit einer sehr breiten Themenabdeckung und anschaulichen Beispielen. Die Struktur des Sem...
Gearbeitet wurde auf den Firmen Notebooks und Vorwiegend online im Google Colab. Locales Ausführen der Beispiele ist teilweise nicht möglich, die Rechenzeit ist einfach zu lang....
Sehr umfangreiche Unterlagen und ausführliche Beispiele.