Einleitung

Viele reden heute vom Boom und der großen Zukunft der Künstlichen Intelligenz und des maschinellen Lernens. Aber was steckt hinter den Begriffen „Künstliche Intelligenz“, „Maschinelles Lernen“ und „Deep Learning“ eigentlich genau? Und was ist ein „Neuronales Netz“?

In diesem Kurs wird eine systematische Einführung in all diese Begriffe und deren Hintegründe gegeben, zudem werden die Teilgebiete des maschinellen Lernens vorgestellt. Der Fokus liegt dann im Anschluss auf dem sehr erfolgreichen Gebiet „Deep Learning“.

Es soll dabei aber nicht bei langwierigen theoretischen Ausführungen im Kurs bleiben, sondern auch aufgezeigt werden, wie „Deep Learning“ im eigenen Unternehmen für numerische Daten durchgeführt werden kann. Dazu lernen Sie zuerst in kurzen Crashkursen Python, NumPy und Pandas anhand praktischer Übungen kennen, die jeder Teilnehner gleich selber an seinem mitgebrachten Notebook in sog. „Jupyter Notebooks“ durchführt.

Konkret baut jeder Teilnehmer im Kurs Schritt für Schritt unter Anleitung ein sogenanntes „Neuronales Netz“, mit dem der Computer anhand von numerischen Daten (z.B. aus Excel-Tabellendaten / .csv – Dateien) etwas lernt und in Zukunft Prognosen erstellen kann. Abschließend gehen wir auch auf die Frage ein, wie man nicht-numerische Daten wie Text in einem Neuronalen Netz verarbeiten kann.

Kursziele

Die Teilnehmer besitzen nach Abschluss dieses Kurses ein solides Wissen was hinter den Begriffen „Künstliche Intelligenz“, „Maschinelles Lernen“, „Deep Learning“ und „Neuronale Netze“ steht und wissen welche Arten des Maschinellen Lernens heute unterschieden werden. Sie kennen zudem die wichtigsten „Deep Learning Modelle“ und können eines dieser wichtigsten Deep Learning Modelle in der Praxis für eigene Daten konkret umsetzen und anwenden. Damit ist ein Transfer auf die unternehmensspezifischen Probleme im eigenen Unternehmen direkt umsetzbar.

Kursinhalte

  • Was ist Künstliche Intelligenz?
  • Was ist Maschinelles Lernen?
  • Welche Arten des maschinellen Lernens gibt es?
  • Was ist Deep Learning und wieso ist es so erfolgreich?
  • Was sind Neuronale Netze?
  • Was sind Convolutional Neural Networks?
  • Was sind Long Short Term Memory Modelle?
  • Wie kann man Text als Eingabe für Neuronale Netze codieren?
  • Praxis: Crashkurs Python
  • Praxis: Crashkurs NumPy
  • Praxis: Crahskurs Pandas
  • Praxis: Ein Neuronales Netz zur Prädiktion in TensorFlow/Keras selber bauen und trainieren

    • Zielgruppe

    Zielgruppe für diesen Kurs sind alle, die genauer verstehen möchten, was hinter den Begriffen „Künstliche Intelligenz“, „Maschinelles Lernen“ und „Deep Learning“ steckt und einschätzen wollen, ob diese Themengebiete vielleicht im eigenen Unternehmen auch eine Relevanz haben könnten (mit großer Wahrscheinlichkeit lautet die Antwort „Ja!“).

    Idealerweise haben Sie als Kursteilnehmer schon etwas Programmiervorerfahrung in einer beliebigen Programmiersprache. In den praktischen Übungsabschnitten verwenden wir die Programmiersprache „Python“. Python muss aber noch nicht beherrscht werden. Es wird daher ein kleiner Python-Crashkurs gegeben.

    Sie haben noch gar keine Programmiervorerfahrung aber trotzdem Interesse? Wenn Sie keine Angst davor haben, dass wir ein paar Codezeilen Python im Kurs schreiben werden, können Sie trotzdem am Kurs teilnehmen. Alle Schritte werden im Kurs vorgemacht und vorgetippt. Sie werden sehen: Python macht Spaß und man erlernt diese Programmiersprache sehr schnell!

    Referenzen

    DACHSER Group SE & Co. KG. Juni 2019.