Deep Learning: Ein interaktiver Einstieg
Künstliche Intelligenz (KI) hat Einzug in den Alltag fast aller Menschen genommen – sei es durch autonome Fahrzeuge, Kommunikation mit intelligenten Lautsprechern oder Gesichtserkennung durch Smartphone-Kameras.
Eines der treibenden Konzepte hinter diesen Fortschritten ist das Deep Learning, ein Teilbereich des Machine Learning: diese Methodik basiert auf der Anwendung von künstlichen neuronalen Netzen auf großen Datenmengen.
Hands-on: Schnellere Erkenntnisse durch Deep Learning
In diesem Seminar erhalten die Teilnehmer zunächst einen Überblick über das Thema Deep Learning und die wichtigsten Konzepte des Machine Learning.
Im Anschluss analysieren sie Hands-on im eigenen Tempo einen Datensatz zu Brustkrebsproben.
Anhand dieses Anwendungsfalls werden die Teilnehmer interaktiv durch den Prozess der Anwendung tiefer neuronaler Netze geführt. Das Wissen wird dabei durch Aufgaben und Fragen weiter vertieft.
Als Fundament für Deep Learning werden die Teilnehmer (klassische) Konzepte des Machine Learning, wie Feature Engineering, Modelltraining und Modellbewertung kurz vorgestellt.
Die Kursteilnehmer …
- … erhalten eine Einführung in die Deep Learning Methodik.
- … verstehen wie man mit Bilddaten im Kontext des Deep Learning arbeitet und was ein Tensor ist.
- … erhalten wichtige Hinweise für die Datenvorbereitung.
- … lernen den Aufbau eines neuronalen Netzes kennen.
- … verstehen das Konzept und die Stärke des Transfer Learning.
- … lernen die Modelperformance zu evaluieren und ein Black-Box Deep Learning Model zu visualisieren.
Referenten
Dr. Eike Nicklas ist Data Scientist und stellvertretender Leiter des Bereichs Data Science & Business Intelligence bei der HMS Analytical Software GmbH in Heidelberg. Seine Arbeitsschwerpunkte sind Machine Learning, Deep Learning, Datenvisualisierung und Zeitreihenanalyse. Durch seine vielfältige Projekterfahrung schafft er es als Trainer praxisrelevantes Wissen nachvollziehbar und verständlich zu vermitteln.
Christoph Bergen ist Data Scientist bei der HMS Analytical Software GmbH in Heidelberg. Er beschäftigt sich mit Begeisterung mit den Themen Data Science, Machine Learning, Deep Learning und Zeitreihenanalyse. Als Trainer ist er dank seiner umfangreichen Erfahrung in der Lage relevante Inhalte zielgruppengerecht zu erläutern.
Ihr Weg zum erfolgreichen Projekt!
Sie haben Interesse an diesem Seminar?
Vereinbaren Sie einen unverbindlichen Beratungstermin! Lassen Sie uns über Ihre Wünsche zum Inhalt sowie das genaue Datum und die Uhrzeit sprechen.
Hinweis
Wir empfehlen als Ergänzung zu diesen Lerninhalten das Seminar Machine Learning: Ein interaktiver Einstieg.
Das Seminar richtet sich an Einsteiger, als auch bereits fortgeschritten Daten Analysten oder Programmierer, die ihre Kenntnisse in diesem Bereich vertiefen möchten.
Vorkenntnisse in Deep Learning, Machine Learning oder der im Hands-on Teil verwendeten Sprache Python sind nicht erforderlich.
Für den praktischen Teil sowie das Teams-Meeting benötigen die Teilnehmer einen Laptop mit einem der folgenden Browser: Microsoft Edge 12+, Chrome 51.0+ und Firefox 47.0+.
Agenda
- Einführung in das Deep Learning
- Hands-On Teil 1: Klassifizierung von Brustkrebsbildern
- Grundlagen von „Convolutional Neural Network“
- Hands-On Teil 2: Klassifizierung von Brustkrebsbildern
- Zusammenfassung und abschließende Empfehlungen
Ablauf
Alle Seminarsteilnehmer beginnen gemeinsam in einer virtuellen Session, in der wichtige theoretischen Grundlangen vermittelt werden.
Der Hauptteil des Seminars schließt in einer interaktiven Session daran an. Die Trainer unterstützen die einzelnen Gruppen und stehen für Fragen zur Verfügung. Damit eignet sich die Teilnahme sowohl für Einzelpersonen, als auch für kleine Gruppen.
Der verwendete Code ist in der Sprache Python geschrieben, es sind jedoch keine Python-Vorkenntnisse erforderlich.
