Kursinformationen
Beschreibung
Dieses Seminar führt Sie in moderne Deep-Learning-Techniken ein. Sie arbeiten mit neuronalen Netzen wie CNNs, RNNs und MLPs und setzen diese mit PyTorch um.
Neben dem Aufbau und Training lernen Sie, Modelle zu optimieren und in Projekten praktisch anzuwenden. Der Kurs verbindet Theorie und Praxis auf verständliche Weise.
Hinweis:
Dieses Seminar ist ein Angebot der Hees Akademie Gruppe
Zielgruppe / Teilnehmerkreis
Der Kurs ist ideal für ML-Erfahrene, die sich mit Deep Learning, neuronalen Netzen und modernen Tools wie PyTorch weiterentwickeln wollen.
Anforderungen
Sicherer Umgang mit Python und gute Kenntnisse im Machine Learning. Erste Erfahrungen mit NumPy oder Pandas sind hilfreich.
Dauer: 3 Tage
Inhalt
Einführung in Deep Learning
- Unterschiede zu klassischem ML
- Mathematische Grundlagen neuronaler Netze
Architekturen neuronaler Netze
- MLPs (Multilayer Perceptrons)
- CNNs (Convolutional Neural Networks)
- RNNs (Recurrent Neural Networks)
Arbeiten mit PyTorch
- Modellaufbau und Training
- Vergleich mit anderen Frameworks (TensorFlow und Keras)
Hyperparameter-Tuning
- Lernrate, Batchgröße, Optimizer
- Early Stopping und Regularisierung
Deep-Learning-Projekte praktisch anwenden
- Bildklassifikation
- Textanalyse oder Zeitreihenprognosen
Modell-Bereitstellung und Skalierung