Seminarkatalog

LFD473: PyTorch in Practice: An Applications-First Approach

Ihre Termine

Datum	Ort	Preis
29.09.2025 -02.10.2025	Virtuelles Live Training	2.255,05 €*	Buchen
13.10.2025 -16.10.2025	Virtuelles Live Training	% 2.187,22 €*	Buchen
17.11.2025 -20.11.2025	Virtuelles Live Training	% 2.142,00 €*	Buchen
16.12.2025 -19.12.2025	Virtuelles Live Training	% 2.142,00 €*	Buchen
12.01.2026 -15.01.2026	Virtuelles Live Training	% 2.142,00 €*	Buchen
16.02.2026 -19.02.2026	Virtuelles Live Training	% 2.142,00 €*	Buchen
03.03.2026 -06.03.2026	Virtuelles Live Training	% 2.142,00 €*	Buchen
07.04.2026 -10.04.2026	Virtuelles Live Training	% 2.142,00 €*	Buchen

* Preise inkl. der gesetzlichen Mehrwertsteuer

In dieser 4-tägigen Schulung lernen Sie praxisnah, wie Sie PyTorch effektiv einsetzen können. Die Inhalte konzentrieren sich auf verschiedene Anwendungsbereiche und decken dabei unter anderem folgende Themen ab: Einführung in PyTorch und sein Ökosystem Erstellung und Verarbeitung von Datensätzen Training und Bereitstellung von Modellen mit TorchServe Anwendung von Transfer Learning für spezifische Aufgaben Praxisnahe Anwendungsfälle wie Computer Vision, Natural Language Processing (NLP), Objekterkennung, Bildsegmentierung und Textklassifikation stehen im Mittelpunkt. Durch Hands-on-Übungen entwickeln und bewerten Sie eigene Modelle und vertiefen Ihr Verständnis. Fortgeschrittene Themen wie der Einsatz von Large Language Models (LLMs) werden ebenfalls ausführlich behandelt.

KursinhalteEinführung in PyTorch, Datensätze und Modelle

PyTorch und sein Ökosystem
Überwachtes vs. unüberwachtes Lernen
Einführung in Tensoren, CUDA und Umgebungen

Erstellung und Verarbeitung von Datensätzen

Datensätze und Dataloader
Transformationen und Datapipes

Training und Evaluierung von Modellen

Modelle, Loss Functions, Optimizer und Training Loops
Speichern, Laden und Bewerten von Modellen

Transfer Learning und vortrainierte Modelle

Torch Hub und vortrainierte Modelle
Anwendung auf Computer Vision und NLP

Deep Learning für Computer Vision

Objekterkennung, Bildsegmentierung und Keypoint-Erkennung
Zero-Shot-Bildklassifikation mit vortrainierten Modellen

Natural Language Processing (NLP)

Textklassifikation, Word Embeddings und Transformer-Modelle
Hugging Face Pipelines für NLP-Aufgaben

Modellbereitstellung mit TorchServe

Archivierung und Bereitstellung von Modellen

Fortgeschrittene Themen: Large Language Models (LLMs)

Anwendung und Bewertung von LLMs
Nutzung in Generativen Modellen und Semantic Search

Grundkenntnisse im Machine Learning
Programmierkenntnisse (insbesondere in Python)
Basiswissen zu Computer Vision und Natural Language Processing

Zielgruppe

Entwickler
KI-Entwickler
Data Scientists

09:00 bis 17:00 Uhr ( 4 Tage)