- Наступний запис:
- 19.08.2024
- Курс завершується:
- 13.09.2024
- Загальна тривалість:
- Практика:
- Nein
- Мови навчання:
- Deutsch
- Вид заходу:
- Weiterbildung
- Форма проведення:
- Virtuelles Klassenzimmer
- E-Learning
- Час проведення:
- Tagesveranstaltung
- Montag bis Freitag von 08:30 bis 15:35 Uhr (in Wochen mit Feiertagen von 8:30 bis 17:10 Uhr)
- Мінімальна кількість учасників:
- 6
- Максимальна кількість учасників:
- 25
- Ціна:
- keine Angaben
- Підтримка:
- Bildungsgutschein
- Qualifizierungschancengesetz
- Deutsche Rentenversicherung
- EU/Bund/Land
- Вид документа про освіту:
- Zertifikat/Teilnahmebestätigung
- Випускний екзамен:
- Ja
- Спеціальність:
- Zertifikat „Deep Learning“
- Сертифікати курсу:
- SGB III-Maßnahmezulassung
- Номер заходу:
- 955/342/24
- Курс тільки для жінок:
- Nein
- Догляд за дітьми:
- Nein
- Інформаційна якість:
- Suchportal Standard Plus
- Цільові групи:
- Informatiker:innen, Mathematiker:innen, Elektrotechniker:innen sowie Personen mit Studium der (Wirtschafts-) Ingenieurwissenschaften
- Професійні вимоги:
- Vorkenntnisse im Bereich Machine Learning sowie in der Programmiersprache Python werden vorausgesetzt.
- Технічні вимоги:
- 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.
- Номенклатура агенцій з працевлаштування:
- C 1435-10-10 Softwareentwicklung, Programmierung - allgemein
Зміст
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.
Освітня мета
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.
Ми не гарантуємо правильність інформації. Відповідальність за правильність даних несуть виключно освітні організації.
Дата першої публікації: 14.05.2024, дата останнього оновлення: 06.09.2024