Was Sie lernen im Bootcamp.
Deep Learning Bootcamp Curriculum.
Auf dieser Seite haben wir für Sie die wichtigsten Fragen und Antworten zum Bootcamp zusammengestellt.
Als wir das Deep Learning Bootcamp entwickelt haben, haben wir besonderen Wert auf die richtige Mischung zwischen Deep Learning Theorie und der praktischen Anwendung in Python und TensorFlow gelegt. So erlernen Sie in 5 Tagen die für die konkrete Anwendung wichtigsten Konzepte, sowie das notwendige Wissen, Deep Learning Modelle in Ihrem Unternehmen zielgerichtet entwickeln zu können.
Jeder Tag des Deep Learning Bootcamps beinhaltet Hands-on Sessions, die die behandelten theoretischen Konzepte praktisch vertiefen. Sie arbeiten dabei auf einer von uns zur Verfügung gestellten Cloud Infrastruktur. Am Ende jedes Kurstages erwartet Sie eine Deep Learning Case Study, bei der Sie die erlernten Inhalte des aktuellen Tages, sowie zuvor erlerntes Wissen praktisch einsetzen müssen. Join the Bootcamp!
Am ersten Tag vermitteln wir Ihnen die theoretischen und praktischen Grundlagen von Deep Learning und führen strukturiert in das Thema ein. Dabei legen wir den Fokus auf eine ausgewogene Mischung zwischen Theorie und praktischer Anwendung. Behandelt werden bspw. Themen wie die Einführung in neuronale Netze, Backpropagation und Gradient Descent sowie der allgemeine Machine Learning / Deep Learning Workflow. Bereits am ersten Tag werden Sie praktisch aktiv und entwickeln in einer spannenden Case Study im Team ein erstes Deep Learning Modell.
Inhalte Tag 1
- Crashkurs Machine Learning
- Machine Learning Workflow
- Train-Test-Splits / Bias-Variance Tradeoff
- Metriken und Evaluierung von Modellen
- Einführung in neuronale Netze
- Das einfache Neuronenmodell
- Single- und Multilayer-Perceptrons (MLPs)
- Aktivierungsfunktionen
- Lossfunktionen
- Gradient Descent
- Backpropagation
- Regularisierung
Format
50% Vorlesung, 50% praktische Übungen und Diskussion
An Tag 2 des Deep Learning Bootcamps erhalten die Teilnehmer eine strukturierte Einführung in TensorFlow und Keras. Dabei wird sowohl de Arbeitsweise in TensorFlow auf der low-level Ebene als auch der Umgang mit Keras als high-level API vermittelt. Weiterhin stehten der Umgang mit tf.data Pipelines sowie die Erstellung von Modellen mit Keras im Vordergrund. Im Rahmen einer Case Study entwickeln die Teilnehmer erste Deep Learning Modelle mit TensorFlow und Keras.
Inhalte Tag 2
- Übersicht TensorFlow
- Graphenbasierte Modellierung
- Rechnen mit TensorFlow
- Wichtige APIs in TensorFlow
- Tensorboard
- tf.data für Data Pipelines
- Einführung in Keras
- Sequential und Functional Models
- Übersicht Layer-Arten
- Modelltraining
- Callbacks
- Predictions und Evaluierung
Format
50% Vorlesung, 50% praktische Übungen und Diskussion
Am dritten Tag des Deep Learning Bootcamps werden die Themen Bild-/Objekterkennung und Klassifikation behandelt. Hierbei erlernen die Teilnehmer zunächst wichtige Konzepte im Bereich Image Preprocessing, die für das Training von Deep Learning Modellen zur Bildverarbeitung wichtig sind. Anschließend werden Convolutional Neural Networks sowie weitere relevante Modellarchitekturen zur Bild- und Objekterkennung behandelt. Den Abschluss bilden Modelle zur Objekterkennung und Bildsegmentierung, die bspw. im Bereich des autonomen Fahrens Anwendung finden.
Inhalte Tag 3
- Verarbeitung von Bilddaten
- Preprocessing von Bildern
- Image Augmentation
- Data Pipelines für Bilder mit tf.data
- MLPs zur Bildklassifikation
- Convolutional Neural Networks
- Activation Maps
- Objekterkennung
- Semantische Segmentierung
Format
50% Vorlesung, 50% praktische Übungen und Diskussion
Tag 4 des Deep Learning Bootcamps steht im Zeichen von rekurrenten neuronalen Netzen zur Text- und Sequenzmodellierung. Hier werden den Teilnehmern zunächst die wichtigsten theoretischen Konzepte von rekurrenten Netzen vermittelt und gegenüber einfachen neuronalen Netzen abgegrenzt. Anschließend werden die neuen Konzepte auf die Themenbereiche von Zeitreihenanalyse sowie Textmodellierung (NLP) übertragen. Hierbei werden insbesondere die Anwendungsfälle Textklassifikation sowie Textgenerierung behandelt und praktisch umgesetzt.
Inhalte Tag 4
- Verarbeitung von sequenziellen Daten
- MLPs zur Sequenzmodellierung
- Einführung in rekurrente neuronale Netze
- Datenaufbereitung für rekurrente Modelle
- RNN, LSTM und GRU
- Zeitreihenvorhersage
- LSTMs zur Modellierung von textuellen Daten
- Klassifikation von Texten
- Generative Modelle zur Erstellung von Texten
Format
50% Vorlesung, 50% praktische Übungen und Diskussion
An Tag 5 werden zum Abschluss des Deep Learning Bootcamps fortgeschrittene Themen und Konzepte vorgestellt. Hierzu zählen technische Konzepte wie Cloud Infrastrukturen für Deep Learning (GPU / TPU / Cluster), Hyperparametertuning, Methoden zur Dimensionsreduktion sowie generative Modelle (GANs) und Deep Reinforcement Learning. Der letzte Tag soll den Teilnehmern einen weiterführenden Blick auf die spannenden Anwendungsgebiete von Deep Learning bieten und die Grundlage für die weitere Entwicklung legen. Auch am letzten Tag wird stellt ein hoher Praxisanteil die praktische Auseinandersetzung mit den Themen sicher.
Inhalte Tag 5
- Cloud Infrastruktur für Deep Learning (GPU / TPU)
- Modell Inferenz mit TF Serving und TensorRT Server
- Bayesian Optimization für Hyperparametertuning
- Transfer Learning
- Auto Encoder
- Generative Adversarial Networks
- Deep Reinforcement Learning
Format
50% Vorlesung, 50% praktische Übungen und Diskussion
Gerne beantworten wir Ihnen weitere Fragen zum Deep Learning Bootcamp und den Inhalten. Nehmen Sie Kontakt mit uns auf.
Ihr Deep Learning Kickstart.
Join the Bootcamp!
In 5 Tagen Deep Learning erlernen – seien Sie dabei!
Jetzt anmelden!Bleiben Sie auf dem Laufenden.
STATWORX Newsletter.
Erhalten Sie in unserem monatlichen Newsletter spannende Neuigkeiten rund um die Themen Data Science, Machine Learning und Online Education.
In unserem Academy Newsletter fassen wir für Sie die wichtigsten Themen und Neuigkeiten des aktuellen Monats rund um Data Science, Machine Learning und Online Education kompakt zusammen. Stay tuned!
Unsere Schulungskunden.
Kunden Schulungen, Workshops und Bootcamps.
In mehr als 200 Data Science, Statistik und Machine Learning Schulungen haben wir unser Wissen erfolgreich an unsere Kunden vermittelt.
Durch unsere Erfahrung sowie durch die starke Verknüpfung von Theorie und Praxis können wir unseren Schulungskunden Wissen im Bereich Statistik, Data Science und Machine Learning vermitteln.