Deep Learning ist der Treiber für Weiterentwicklungen im Bereich künstlicher Intelligenz. Dabei hinkt die praktische Umsetzung oft immer noch Jahre hinter dem Stand der Forschung her. Hier existiert also viel Potential für einen Wettbewerbsvorteil. TensorFlow 2 ist in der industriellen Entwicklung das mit Abstand am weitesten verbreitete Framework für Deep Learning und somit erste Wahl.
Termine und Buchung
-- Beschreibung
Ein technischer Überblick mit TensorFlow
-- Agenda
- Einführung in neuronale Netzwerke mit TensorFlow 2: Regression, Klassifikation, Metriken und Regularisierung
- Supervised Deep Learning: Anwendungen von Deep Learning auf strukturierten Daten, Bilddaten und Zeitreihen
- Unsupervised Deep Learning: Autoencoder und Embeddings
- Deep Reinforcement Learning: Modellierung, Algorithmen und Anwendungen
-- Teilnehmer:innen Bewertung
100% aller Teilnehmer:innen würden dieses Training weiterempfehlen
-- Dein Nutzen
Überblick über die wichtigsten Themen im Bereich Deep Learning
Implementierung von Deep Learning mit TensorFlow 2
Erhalte die Fähigkeit zur Entwicklung von eigenen neuronalen Netzwerken
Lerne, die richtige Form von Deep Learning auszuwählen und in der Praxis umzusetzen
-- Zielgruppe
Entwickler:innen, Data Engineers, Data Scientists, Mathematiker:innen, Statistiker:innen. Verständnis der Grundideen von Machine Learning. Grundlegende Kenntnisse der Programmierung / Scripting. Erfahrungen mit Methoden des klassischen Machine Learnings sind hilfreich, aber nicht notwendig.
-- Lernziele
Einführung in neuronale Netzwerke mit TensorFlow 2
Supervised Deep Learning
Unsupervised Deep Learning
Deep Reinforcement Learning
-- Deine Trainer:innen
-- Fachinfos und Bücher
Machine Learning – kurz & gut: Einführung mit Python, Pandas und Scikit-Learn
Der kompakte Schnelleinstieg in Machine Learning und Deep Learning O’Reilly, 2. Auflage, April 2021, zusammen mit Chi Nhan Nguyen ISBN: 978-3960091615
Machine Learning Lösungen entwerfen (Architektur-Spicker Nr. 10)
Machine Learning (kurz ML) wird häufig mystifiziert. Tatsächlich eröffnet es ganz neue Möglichkeiten. Dabei unterscheiden sich Herangehensweise und Werkzeuge deutlich von klassischer Softwareentwicklung. Dieser Spicker führt unaufgeregt in das Thema ML ein und weist den Weg in eigene Experimente. Download & Infos