- Next Date:
- 19.08.2024
- Course ends on:
- 13.09.2024
- Total Duration:
- 160 Stunden
- Internship:
- Nein
- Teaching Languages:
- Deutsch
- Type of Course:
- Weiterbildung
- Type of Provision:
- Virtuelles Klassenzimmer
- E-Learning
- Execution Time:
- Tagesveranstaltung
- Montag bis Freitag von 08:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
- min. Participants:
- 6
- max. Participants:
- 25
- Price:
- keine Angaben
- Funding:
- Bildungsgutschein
- Qualifizierungschancengesetz
- Deutsche Rentenversicherung
- EU/Bund/Land
- Type of Qualification:
- Zertifikat/Teilnahmebestätigung
- Final Examination:
- Ja
- Qualification Title:
- Zertifikat „Deep Learning“
- Certifications of the Course:
- SGB III-Maßnahmezulassung
- Courses for Women only:
- Nein
- Childcare:
- Nein
- Quantity of Details:
- Suchportal Standard Plus
- Target Groups:
- Informatiker:innen, Mathematiker:innen, Elektrotechniker:innen sowie Personen mit Studium der (Wirtschafts-) Ingenieurwissenschaften
- Professional Requirements:
- Vorkenntnisse im Bereich Machine Learning sowie in der Programmiersprache Python werden vorausgesetzt.
- Technical Requirements:
- Die Teilnahme am Unterricht erfolgt über Internet per Videotechnik. Voraussetzung für die Nutzung deiner eigenen Hardware ist die Installation der Applikation alfaview®: https://cloud.alfanetz.de/test Falls du keinen geeigneten Computer hast, erhältst du von uns das technische Equipment, um von zuhause aus am Kurs teilnehmen zu können. Sollten die räumlichen und technischen Voraussetzungen dir eine Teilnahme von zuhause aus nicht ermöglichen, kannst du deinen Kurs auch in einem unserer Bildungszentren absolvieren.
- Classification of the Federal Employment Agency:
- C 1435-10-10 Softwareentwicklung, Programmierung - allgemein
Contents
Mit Deep Learning lassen sich große Datenmengen nach Mustern und Modellen untersuchen. Es kommt daher häufig für die Objekt-, Gesichts- oder Spracherkennung zum Einsatz. Der Kurs erläutert dir die Methoden des Deep Learnings auf Basis von neuronalen Netzen.
Deep Learning
Einführung Deep Learning (ca. 1 Tag)
Deep Learning als eine Art von Machine Learning
Grundlagen in neuronalen Netzen (ca. 4 Tage)
Perceptron
Berechnung neuronaler Netze
Optimierung der Modellparameter, Backpropagation
Deep‐Learning‐Bibliotheken
Regression vs. Klassifikation
Lernkurven, Überanpassung und Regularisierung
Hyperparameteroptimierung
Stochastischer Gradientenabstieg (SGD)
Momentum, Adam Optimizer
Lernrate
Convolutional Neural Network (CNN) (ca. 2 Tage)
Bildklassifizierung
Convolutional‐Schichten, Pooling‐Schichten
Reshaping‐Schichten, Flatten, Global‐Average‐Pooling
CNN‐Architekturen ImageNet‐Competition
Tiefe neuronale Netze, Vanishing Gradients, Skip‐Verbindungen, Batch‐Normalization
Transfer Learning (ca. 1 Tag)
Anpassen von Modellen
Unüberwachtes Vortrainieren
Image‐Data‐Augmentation, Explainable AI
Regional CNN (ca. 1 Tag)
Objektlokalisierung
Regressionsprobleme
Verzweigte neuronale Netze
Methoden der kreativen Bilderzeugung (ca. 1 Tag)
Generative Adversarial Networks (GAN)
Deepfakes
Diffusionsmodelle
Recurrente neurale Netze (ca. 2 Tage)
Sequenzanalyse
Rekurrente Schichten
Backpropagation through time (BPTT)
Analyse von Zeitreihen
Exploding und Vanishing Gradient Probleme
LSTM (Long Short‐Term Memory)
GRU (Gated Recurrent Unit)
Deep RNN
Deep LSTM
Textverarbeitung durch neuronale Netze (ca. 2 Tage)
Text‐Preprocessing
Embedding‐Schichten
Text‐Klassifizierung
Sentimentanalyse
Transfer‐Learning in NLP
Übersetzungen
Seqence‐to‐Sequence‐Verfahren, Encoder‐Decoder‐Architektur
Sprachmodelle (ca. 1 Tag)
BERT, GPT
Attention‐Schichten, Transformers
Textgeneration‐Pipelines
Summarization
Chatbots
Deep Reinforcement Learning (ca. 1 Tag)
Steuerung dynamischer Systeme
Agentensysteme
Training durch Belohnungen
Policy Gradients
Deep‐Q‐Learning
Bayes'sche neuronale Netze (ca. 1 Tag)
Unsicherheiten in neuronalen Netzen
Statistische Bewertung von Prognosen
Konfidenz, Standardabweichung
Unbalancierte Daten
Sampling‐Methoden
Projektarbeit (ca. 3 Tage)
Zur Vertiefung der gelernten Inhalte
Präsentation der Projektergebnisse
Änderungen möglich. Die Lehrgangsinhalte werden regelmäßig aktualisiert.
Educational Goal
Nach dem Lehrgang kennst du die Einsatzbereiche von Deep Learning und die Funktionsweisen neuronaler Netzwerke. Du verstehst, wie neuronale Netze Objekte in Bildern erkennen können, und bist in der Lage, maschinelles Lernen bereitzustellen und Prozesse zu dokumentieren.
All statements without guarantee. The providers are solely responsible for the correctness of the given information.
Published on 14.05.2024, last updated on 06.09.2024