Data Science Deployment / Entwicklung von Deep Learning Web Apps
Entwicklung von webbasierten Anwendungen zur Darstellung ihrer Daten und Datenanalysen und von Deep Learning Algorithmen
Termin (3 Tage)
Ort
Belegung
Preise
Schulung auf einen Blick
- Erstellen von Web Applikationen
- Streamlit
- webbasierte Visualisierung von Daten
- webbasierte Visualisierung von Deep Learning Algorithmen
- webbasierte GUI zum Anpassen eines Neuronalen Netze Trainings
- Einführung in AJAX, microservices und REST-API
Über die Schulung
- Dauer: 3 Tage
- Gruppengröße: 3-10
- Level: Fortgeschritten, Programmierkenntnise und Grundkenntnisse von Data Science erforderlich
- Anteil Coding: 60%
- Sprache: Python, JavaScript, HTML
- Bibliotheken: streamlit, flask, jinja
- Skript: gedruckt & .pdf (Theorie, Aufgaben & Lösungen)
Ihr Trainer für den Kurs
Data Science Kurs im Detail
Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren
Über den Kurs
- Dauer: 3 Tage
- Gruppengröße: 3-10
- Level: Fortgeschritten, Programmierkenntnise und Grundkenntnisse von Data Science erforderlich
- Anteil Coding: 60%
- Sprache: Python, JavaScript, HTML
- Bibliotheken: streamlit, flask, jinja
- Skript: gedruckt & .pdf (Theorie, Aufgaben & Lösungen)
Ihr Trainer für den Kurs
Schulung auf einen Blick
- Erstellen von Web Applikationen
- Streamlit
- webbasierte Visualisierung von Daten
- webbasierte Visualisierung von Deep Learning Algorithmen
- webbasierte GUI zum Anpassen eines Neuronalen Netze Trainings
- Einführung in AJAX, microservices und REST-API
Bildungsschecks
- für KMU und Einzelpersonen
- Übernahme von bis zu 500 EUR der Kursgebühren
Zielsetzung der Schulung ist es ein End to End Web Machine Learning Framework auf drei Arten zu demonstrieren: Tag 1 streamlit, Tag 2 flask und Tag 3 zusätzlich JavaScript. Mit jedem Tag steigert sich der Schwierigkeitsgrad und mit ihm auch die Flexibilität der Lösungen.
Beschreibung vom Deep Learning Deployment Kurs
Was lernen Sie in dem Data-Science Web App Kurs
Der Kurs gliedert sich in drei Bereiche: vom schnellen Darstellen ihrer Daten und Algorithmen mit streamlit, einer Bibliothek, die nahtlos in Python integriert werden kann, bis zum hoch maßgeschneiterten Darstellen durch full-stack Webserver. Damit lernen Sie einerseits Ihre Ergebnisse schnell in Webapps zu visualisieren, als auch komplett personalisierte Webapps zu entwickeln.
Neben Streamlit führen wir Sie in die Webapp Entwicklung mit Python, Flask, HTML, JavaScript ein. Sie erlenen das Aufsetzen eines Webservers.
Am Ende des Kurses sind sie auch fähig Code für Web basierte grafische Oberflächen zu schreiben, mit denen Kollegen auch ohne Programmier- oder Deep Learning/ Data Science Kenntnisse, ihre Algorithmen auf neuen Daten trainieren oder anwenden können. Dies erleichtert das Ausprobieren von Künstliche Intelligenz Algorithmen auf unterschiedlichen Daten im Unternehmen.
- Kursinhalte
- Organisatorisches
- FAQ
- Tag 1 (streamlit)
- Tag 2
- Tag 3
10:00 – 10:15
Begrüßung und Organisatorisches
- Vorstellungsrunde
- Erwartungen der Teilnehmer
10:15 – 11:45
Einführung in das open-source framework Streamlit
- Streamlit als schnelle Möglichkeit Data Science Anwendungen zu visualisieren
- Streamlit Gallery, Verwenden von bestehenden Code
- Grenzen von Streamlit
11:45 – 12:00
Kaffeepause
12:00 – 13:30
Streamlit zum schnellen Visualisieren Ihrer Daten
- Visualisierung von Daten im .csv Format
13:30 – 14:30
Mittagspause
14:30 – 16:00
Streamlit Webapp zum Darstellen eines Bild Klassifizierungs Deep Learning Algorithmus
- Detailiertes Coding Beispiel
16:00 – 16:15
Kaffeepause
16:15 – 18:00
Streamlit zum Visualisieren eines Objekt Detektierungs Neuronalen Netzes
- Detailiertes Coding Beispiel
09:00 – 09:15
Rückblick und offene Fragen von Tag 1
09:15 – 10:45
Einrichten eines full-stack Webservers mit Python, Flask, HTML, Bootstrap
- Aufsetzen eines einfachen full-stack Webservers
- HTML / CSS für personalisierte Webelemente
- Flask als Micro Web Service
10:45 – 11:00
Kaffeepause
11:00 – 12:30
Web Templating zum schnellen Bauen eines Webservices
- Einführung in Webtemplating und das Python Paket Jinja
- Anwendungsgebiete und Grenzen von jinja
12:30 – 13:30
Mittagspause
13:30 – 15:15
Anwendungsbeispiel: schnelles Labeling von Bild Daten
- Erstellen einer GUI zum Klassifizieren von Bildern
- Anbindung der GUI an das Dateisystem
15:15 – 15:30
Kaffeepause
15:30 – 17:00
Anwendungsbeispiel: Überwachung eines Deep Learning Trainingprozesses & Hyperparameter tuning in Echtzeit während des Trainings
- modifizieren eines bestehenden Deep Learning Trainings
09:00 – 09:15
Rückblick und offene Fragen von Tag 2
09:15 – 10:45
Einführung in JavaScript
- interaktive Webseiten mit JavaScript
10:45 – 11:00
Kaffeepause
11:00 – 12:30
AJAX, REST API und microservices
- erlernen wie eine REST Anfrage gemacht wird – asynchrone Kommunikation mit einem Server
- implementieren von microservices
- dynamisches Ändern von Webinhalten
12:30 – 13:30
Mittagspause
13:30 – 15:15
Labeling Werkzeug
- Erstellen eines Labeling Tools, um Daten schnell zu labeln und sie dann für das Training eines neuronalen Netzes zu verwenden
15:15 – 15:30
Kaffeepause
15:30 – 17:00
Interaktives Training eines neuronalen Netzes und Inferenz
- Erstellen einer Web basierten GUI
- Verbinden aller gelernten Technologien
- Trainieren eines neuronalen Netzes
- Ändern der Hyperparameter während der Laufzeit
- Inferenz und vorhersage von Bildern
Zielgruppe für das Deep Learning Deployment Seminar
Diese Machine Learning Web App Schulung ist für technisch interessierte Fachkräfte ausgelegt, welche Vorkenntnise im Bereich Deep Learning / Machine Learning oder Data Science haben. Sie möchten erlernen die Ergebnisse Ihrer Data Science Anwendungen professionell in Web Anwendungen darzustellen oder sie für Ihre Kollegen leichter zugänglich zu machen.
Voraussetzungen für die Data Science Web App Schulung
Grundkenntnisse in Python oder solide Erfahrung in einer anderen Programmiersprache werden vorausgesetzt. Sie sollten ein gewisses Grundwissen im Bereich Data Science / Maschinelles Lernen / Deep Learning haben. Sie sollten grob verstehen, wie Machine Learning Algorithmen funktionieren und mit Grundbegriffen wie „Neuronales Netz“ oder „Trainieren“ vertraut sind.
Didaktischer Aufbau der Schulung
Dieser Web App Entwicklungs Kurs mit Fokus auf Deep Learning ist sehr praktisch ausgelegt. Wir bieten viele Übungsaufgaben an. Sie, als Teilnehmer lösen diese selbstständig oder in Kleingruppen. Bei Fragen unterstützt der Dozent. Das Ziel ist es, das Erlernte gleich einzuüben und zu vertiefen. Unklarheiten können so direkt vom Trainer beseitigt werden.
Technik im Kurs
- Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mit der vorab installierten Software mitzubringen. Eine genaue Installationsanleitung für die Software wird Ihnen vor dem Seminar per E-mail zugesandt. Auf Anfrage stellen wir auch Schulungslaptops zur Verfügung.
- Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Kurs online zum Download zur Verfügung gestellt. Sie erhalten vor der Schulung per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
- Sie sollten sich in firmenfremde WLAN-Netze registrieren können.
- Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit im Seminar verwendete Dateien oder sonstige Unterlagen übertragen zu können.
- In der Schulung wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).
Wir bieten den Kurs in folgender Stadt an: Stuttgart. Falls Sie die Schulung gerne in einer anderen Stadt oder direkt bei Ihnen im Unternehmen besuchen möchten, kontaktieren Sie uns gerne.
Definitiv. Sie werden sich im Kurs wohlfühlen. Die erste von vier Lektionen am ersten Tag schafft die Grundlagen und sie können den Editor gleich selbst ausprobieren. Ab der zweiten Lektion ist mindestens die Hälfte der Zeit zum selbstständigen Üben, so dass Sie das Besprochene direkt coden können und selbst erkennen, wo noch Fragen bestehen, die Sie mit dem Dozenten direkt besprechen können.
Im Seminar enthält jeder Block (meist über etwa 90 Minuten) eine oder mehrere Theorie- und Praxiseinheiten. Die Theorieeinheit dient dazu, Ihnen das nötige Wissen zu vermitteln, um die Übungsaufgaben zu verstehen und selbstständig lösen zu können. Wir verzichten auf langatmige, wissenschaftliche Theorieeinheiten und konzentrieren uns auf den theoretischen Stoff der zu einem besseren Verständnis beiträgt. Der Fokus liegt auf der Praxis, d.h. dem Codeschreiben und Lösen von kleinen Verständnisaufgaben zum Lernstoff. Fragen von Teilnehmern sind jederzeit möglich. Während der Praxiseinheit werden die Fragen individuell vom Dozenten beantwortet. Fragen von allgemeinem Interesse werden allen Teilnehmern erklärt. Die Folien, welche die Theorie und weitere Erklärungen vom Code enthalten erhalten Sie als pdf und in gedruckter Version. Codebeispiele und die Musterlösung der Übungsaufgaben liegen digital vor.
Die Übungen bestehen hauptsächlich aus Coding Aufgaben, d.h. Sie schreiben entweder kurze Codebeispiele oder Sie werden gefragt, Codelücken in einem bestehenden Code zu ergänzen. Letzteres schult auch das Codeverstehen. Die Aufgaben sind so gewählt, dass die wichtigen Aufgaben von allen Teilnehmern in der verfügbaren Zeit gelöst werden können. Wir haben Coding Aufgaben unterschiedlichen Schwierigkeitsgrades vorbereitet, so dass schnellere Teilnehmer oder Teilnehmer mit Vorwissen zusätzlich an weiteren Aufgaben üben können. Desweiteren gibt es für manche Kapitel kurze Kontrollfragen zum Theorieteil.
Über den Kurs
- Dauer: 3 Tage
- Gruppengröße: 3-10
- Level: Fortgeschritten, Programmierkenntnise und Grundkenntnisse von Data Science erforderlich
- Anteil Coding: 60%
- Sprache: Python, JavaScript, HTML
- Bibliotheken: streamlit, flask, jinja
- Skript: gedruckt & .pdf (Theorie, Aufgaben & Lösungen)
Ihr Trainer für den Kurs
Schulung auf einen Blick
- Erstellen von Web Applikationen
- Streamlit
- webbasierte Visualisierung von Daten
- webbasierte Visualisierung von Deep Learning Algorithmen
- webbasierte GUI zum Anpassen eines Neuronalen Netze Trainings
- Einführung in AJAX, microservices und REST-API
Bildungsschecks
- für KMU und Einzelpersonen
- Übernahme von bis zu 500 EUR der Kursgebühren
