Deep Learning boomt! Und bei uns?

Seit 2012 boomt Deep Learning. Viele Firmen haben die Chancen durch Deep Learning bereits erkannt und setzen die neuen Modelle und Techniken gewinnbringend in den unterschiedlichsten Bereichen im Unternehmen ein.

In anderen Firmen sieht es dagegen noch mau aus. Manchmal fehlt komplett das Bewusstsein worum es bei Deep Learning überhaupt geht oder was mit Deep Learning möglich ist. Und manchmal fehlt schlichtweg Fachwissen in diesem Bereich.

Zielgruppe

Der Kurs "Deep Learning mittels Python und Keras" kann hier helfen, denn dieser Kurs schafft Überblick und vermittelt konkretes Fachwissen.

Sinnvoll ist der Kurs für jeden, der einen Überblick über Deep Learning gewinnen möchte, aber auch wissen will, wie er die Deep Learning Modelle konkret mittels einer Deep Learning Bibliothek in Python umsetzen kann.

Damit wird ein solides Fundament für die Übertragung auf eigene Probleme und eigene firmenspezifische Unternehmensdaten im Arbeitsalltag geschaffen.

Voraussetzungen

Nur geringfügige Programmierkenntnisse sind notwendig, denn es werden sogenannte Juypter-Notebooks mit fertigen Codezellen zur Verfügung gestellt. Noch nie in Python programmiert? Kein Problem. Im Praxisteil wird ein kurzer Crashkurs zur Python-Syntax durchgeführt.

Jupyter-Notebooks werden seit Jahren in der Lehre rund um das Thema Machine Learning und im Speziellen für die Lehre im Bereich Deep Learning erfolgreich und hochproduktiv eingesetzt. Jupyter-Notebooks erlauben mit funktionierenden Code spielerisch zu experimentieren und den Code auf die eigenen Anforderungen schnell anzupassen.

Firmenschulung oder Einzeltermin?

Der Kurs kann von Ihrem Unternehmen gebucht werden und vor Ort bei Ihnen durchgeführt werden.

Neben Firmenschulungen wird der Kurs auch als Einzelkurs angeboten, zu denen man sich als Einzelteilnehmer selber anmelden kann oder zu denen Unternehmen einzelne Mitarbeiter senden können.

Der genaue Kursdurchführungsort innerhalb der Stadt wird dann direkt nach Anmeldeschluss organisiert, um den Schulungsraum an die Teilnehmerzahl anpassen zu können.

Aktuelle Einzelkurstermine
1. Halbjahr 2019 und Teilnahmentgelt


Kurs April:
Mo, 01.04.19 - Di, 02.04.19. Kursort: Kempten (1180€)
Anmeldeschluss: Mo, 11.03.19

Kurs Mai:
Mo, 06.05.19 - Di, 07.05.19. Kursort: München (1260€)
Anmeldeschluss: Mo, 15.04.19

Kurs Juni:
Sa, 01.06.19 - So, 02.06.19. Kursort: Kempten (1180€)
Anmeldeschluss: Mo, 13.05.19

Anmeldung

Firmenschulung:
Sie sind an einer Durchführung des Kurses in Ihrer Firma interessiert?
Melden Sie sich für ein Angebot mit Angabe der voraussichtlichen Teilnehmerzahl und des geplanten Durchführungsortes unter deeplearningkurs{at}gmail.com

Einzeltermine:
Die Anmeldung erfolgt unkompliziert per eMail unter deeplearningkurs{at}gmail.com
Mindestteilnehmerzahl, damit ein Einzeltermin statt findet: 3 Teilnehmer.
Bitte nennen Sie bei der Anmeldung den Kurstermin für den Sie sich anmelden!
Der genaue Kursort innerhalb der Stadt wird nach Anmeldeschluss festgelegt und per eMail den Teilnehmern mitgeteilt. Kurszeiten an beiden Tagen jeweils ca. 09:00-17:00 Uhr

Kursinhalte

Kurszeiten sind exemplarisch

1. Tag

09:00-10:30 Einführung (Theorie):
Deep Learning: Boom? Hype?
Was kann man mit Deep Learning machen?
Was ist Deep Learning?

10:45-12:15 Crashkurs Python/NumPy (Praxis):
Crashkurs Python Syntax: Willkommen in Python!
Crashkurs NumPy: Erstellung und Zugriff auf NumPy Matrizen

13:30-15:00 Überblick (Theorie):
Wieso erst jetzt der Deep Learning Durchbruch?

15:15-16:45 Multi-Layer-Perzeptron (MLP) für Regressionsprobleme (Praxis):
Jupyter-Notebook mit Fallstudie #1:
Wie kann man mit einem MLP Immobilienpreise prädizieren?



2. Tag

09:00-10:30 Maschinelles Lernen (Theorie):
Wie funktioniert maschinelles Lernen?
Was ist Gradientenabstieg und automatisches Differenzieren?
Wie kann TensorFlow unsere Modelle automatisch trainieren?

10:45-12:15 Long Short Term Memory (LSTM) zur Zeitreihenprädiktion (Theorie und Praxis):
Was ist eine LSTM-Zelle?
Was ist ein LSTM-Netzwerk?
Jupyter-Notebook mit Fallstudie #2:
Wie kann man mit einem LSTM Netzwerk Passagierzahlen prädizieren?

13:30-15:00 Convolutional Neural Networks (CNN) (Theorie):
Wie funktionieren CNNs?

15:15-16:45 Textanalyse mit LSTM Netzwerken (Theorie und Praxis):
Wie kann man Wörter und Text sinnvoll als Eingabe für LSTM Netzwerke repräsentieren?
Jupyter-Notebook mit Fallstudie #3:
Wie kann man mit einem LSTM Netzwerk Kundenbewertungen, die als Text vorliegen, hinsichtlich Zufriedenheit automatisch bewerten?

"AI (Artificial Intelligence) is the new electricity"

Andrew Ng, Professor at Stanford University

Ihr Dozent

Prof. Dr.-Ing. Jürgen Brauer unterrichtet in den Studiengängen der Informatik und der Fahrerassistenzsysteme an der Hochschule für Angewandte Wissenschaften Kempten. Neben der Grundlagenausbildung zur Programmierung unterrichtet er auch in den Masterstudiengängen seine Lieblingsthemen. Daher bietet er seit 2016 für Studenten das Modul "Deep Learning" an.

Durch Master-Studiengänge, bei denen Studenten typischerweise mit sehr unterschiedlichen Vorkenntnissen beginnen, konnte er viel Erfahrung im Bereich des Unterrichts heterogener Teilnehmergruppen mit unterschiedlichen Vorkenntnissen sammeln.

Im Rahmen einer freiberuflichen Nebentätigkeit macht er nun auch seine breite Lehrerfahrung im Bereich "Deep Learning" Firmen und anderen Interessierten zugänglich.