Teilnahmeanfrage

Intensivkurs für Einsteiger in den Bereich des Machine Learnings. Alle Themen werden praxisnah mit Live Beispielen, echten Modellen und Daten erklärt. Von der Mustererkennung in Bildern, bis zur Text-Analyse und Generierung.


Nach diesem Kurs können Sie…

verstehen wie Machine Learning funktioniert und was für Möglichkeiten und Grenzen es bietet.
verstehen wie neuronale Netze funktionieren und in der Praxis auf verschiedene Aufgaben angewendet werden. 
Daten (z.B.: Bilder, Texte, CSVs) richtig aufbereiten, visualisieren und in ein Modell laden.
verschiedene Modelle, Parameter und Algorithmen passend zu Ihren Daten auswählen und anwenden.
Tensorflow und Keras richtig einsetzen. Kursinhalte

Einführung und Übersicht

• Begriffsklärung: Machine Learning, Neuronale Netze, Deep Learning, AI, Perzeptron…
• Aufsetzen der Python-Umgebung (Scipy, Keras, TensorFlow…)
• Machine Learning Grundlagen

Python und Einführung in Machine Learning

• Crashkurs und Übersicht Numpy und Pandas
• Maschinelles lernen richtig verstehen ohne ML Bibliotheken
• Das Perzeptron
• Mathematische Grundlagen einfach erklärt
• Skalarprodukte und Heaviside-Funktion (ja wirklich Heaviside)
• Delta-Regeln
• Neuronen mit Bias
• Eingabe- und Ausgabe-Neuronen
• Lernrate und Training
• Visualisierung mit Matplotlib und Pandas

Datenaufbereitung, Testsets und Parameter

• Richtige Trainingsdaten auswählen
• Varianzen und potentielle Probleme
• Ungereimtheiten und Abweichungen finden
• Einschätzung Machbarkeit, Ressourcen-Aufwand, Genauigkeit & Co
• Daten vektorisieren und standardisieren
  • CSV- und Text-Dateien
  • Bilder
  • Andere Datenquellen

Neuronale Netze mit Tensorflow

• Übersicht und Architektur
• Tensorflow 2.0
• Was ist ein neuronales Netzwerk?
• Überwachtes lernen mit neuronalen Netzwerken
• Modelle für verschiedene Szenarien
• Arten von Algorithmen
• Bild-Klassifizierung
• Textverständnis
• Validierung der eigenen Modelle

Deep Learning und Keras

• Aktuelle Trends
• Anwendungsbereiche und aktuelle Beispiele
• Unüberwachtes lernen
• Arten von Netzwerken und Modellen
• Keras
• Dataset Objects
• Modelle trainieren
• GPU Optimierung
• Modell Konfigurationen
• KerasTuner
• Echte Beispiele von Anfang bis Ende
• Visualisierung des Modells