Training zum Thema Deep Learning mit Python und Keras: Online- oder Präsenz-Seminar

Dauer: 3 Tage
Zielgruppe:

Das Expertentraining wendet sich an Fachkräfte die sich professionell mit dem Thema Deep/Maschine Learning beschäftigen wollen und dazu die in Python geschriebene Bibliothek Keras nutzen. Im Training wird ein umfassender Überblick über Neuronale Netze und Deep Learning Algorithmen mit Keras vermittelt. Die Teilnehmer können nach dem Training eigenständig Neuronale Netze entwerfen und trainieren. Python-, Statistik und mathematische Kenntnisse werden vorausgesetzt. Als Programmieroberfläche wird Jupyter Notebook genutzt. Das Expertentraining ist sehr praxisorientiert. Das Erlernte wird mit zahlreichen Praxisbeispielen in Python umgesetzt.

Deep Learning mit Python und Keras

Seminarinhalte:

Deep Learning, Maschine Learning, künstliche Intelligenz: eine Begriffsbestimmung
Funktionsweise neuronaler Netze
Neuronale Netze mit Keras
  • Aufbau, Layer, Modelle
  • Datenvorbereitung
  • Klassifizierung und Mehrfachklassifizierung
  • Keras und Tensorflow
  • Modellauswahl
  • Grundlagen des Lernprozesses
Arbeiten mit convolutionalen neuronalen Netzwerken (CNN), maschinelles Sehen
  • Wie arbeiten convolutionale Netze?
  • Datenvorbereitung, Datenaugmentation
  • Verwenden vortrainierter CNNs
  • Merkmalsextraktion und Feinabstimmung
Arbeiten mit rekurrenten neuronalen Netzwerken (RNN), sequenzielle Daten
  • Rekurrente Layer in Keras
  • Sequenzdaten mit SimpleRNN und LSTM (Long Short-Term Memory) verarbeiten
  • LSTM und GRU Layer
  • Rekurrentes Dropout Verfahren
Feature Extraction: Numerische Daten, Bild und Text-Daten vorbereiten
  • Datenrepräsentation: Skalare, Vektoren und Matrizen
  • Daten einlesen, vorbereiten und beschreiben mit Pandas
  • Visualisierung der Daten mit Matplotlib
  • Verarbeitung qualitativer Merkmale (One-hot Kodierung)
  • Standardisierung von Daten
  • Dimensionen von Daten reduzieren
    Principle Component Analysis (PCA)
  • Bilddateien transformieren
  • Textdaten vorbereiten: Vectorizer, Worteinbettungen
Fallbeispiel zur Wiederholung des Gelernten

 

Keras ist eine Open Source Deep-Learning-Bibliothek, geschrieben in Python. Keras bietet eine einheitliche Schnittstelle für verschiedene Backends, darunter TensorFlow. Das Ziel von Keras ist es, die Anwendung dieser Bibliotheken so einsteiger- und nutzerfreundlich wie möglich zu machen. (Wiki Zitat). Keras eignet sich daher besonders zur schnellen Implementierung neuronaler Netze und ermöglicht schnelles und einfaches Prototyping von neuronalen Netzen bei einer hohen Bedienerfreundlichkeit.

Hier kommen Sie zu weiteren Python Schulungen von edv-coaching.de

Ihre Vorteile bei Python Schulungen durch edv-coaching.de:
  • projekt- und lehrerfahrene Trainer
  • maßgeschneiderte Inhalte und umfangreiche Unterlagen
  • Betreuung auch nach dem Training
  • bundesweite Trainings in Ihrem Hause oder als Online-Schulung
  • Training in Österreich und in der Schweiz
  • Durchführung in deutscher oder englischer Sprache.

Namhafte Unternehmen aus dem Bereichen Pharmazie, Medizin, Kredit- und Versicherungswirtschaft, Automotive und viele Behörden schätzen das fundierte Knowhow und die Erfahrung unseres Trainerteams. Ein ausgewählter Kunde: Die Roche AG an den Standorten Schweiz Basel und Deutschland Mannheim.  Die F. Hoffmann-La Roche AG ist ein weltweit tätiges Pharmaunternehmen sowie Hersteller von Reagenzien und Geräten zur medizinischen Untersuchung mit Hauptsitz in Basel. Roche ist eines der grössten Pharmaunternehmen der Welt. Aktuell forscht Roche besonders auf den Gebieten Onkologie, Virologie und Transplantationsmedizin.

Weitere Schulungen

Kurs Anfrage

Danke für Ihr Interesse an diesem Kurs. Sie erhalten in Kürze ein Angebot.

Gewählter Kurs: Training zum Thema Deep Learning mit Python und Keras: Online- oder Präsenz-Seminar
Dauer: 3 Tage

Die mit * gekennzeichneten Felder sind Pflichtfelder.

Empfehlen Sie diesen Kurs
Kurs: Training zum Thema Deep Learning mit Python und Keras: Online- oder Präsenz-Seminar

Die mit * gekennzeichneten Felder sind Pflichtfelder.