Deep Learning mit Python – KI Bilderkennung Kurs

About this course

Deep Learning mit Python - KI Bilderkennung in Keras

Schulung mit Keras-Tensorflow. Grundlagen von Neuronalen Netzen für computer vision.

Termin OrtPreiseBelegung 
06.07.2020 - 08.07.2020Stuttgart1.525 €
30.09.2020 - 02.10.2020Webinar1.525 €
16.11.2020 - 18.11.2020Stuttgart1.525 €


Über die Schulung

Dauer: 3 Tage

Gruppengröße: 3-10

Level: Anfänger mit Programmiererfahrung

Anteil Coding: 60%

Sprache: Python

Bibliotheken: Keras, Tensorflow, matplotlib, numpy

Skript: gedruckt & .pdf (Theorie, Aufgaben & Lösungen)

Seminar auf einen Blick

Multi-Layer-Perceptron (MLP)

Convolutional Neural Network (CNN)

Wichtige Layer: ReLU, Dense, Conv2D, Max-Pooling,...

Objektdetektion mit Bounding Boxes

Bildklassifizierung, Semantische Segmentierung

Overfitting & Trainings-, Test- und Validierungdaten

Trainingsüberwachung mit Keras Callbacks

Netzwerke mit wenig Daten trainieren

Tipps, wie man eine neue DL Aufgabe angeht

Schulung mit GPUs + GPU Setup danach nutzbar

Neuron mit leuchtendem Punkt in der Mitte. Deep Learning Bildverarbeitung.

Beschreibung der computer vision Schulung

Unser Deep Learning Kurs führt Deep Learning (DL) Algorithmen für den Bereich der KI Bilderkennung ein. Das Besondere ist, dass jeder Teilnehmer in dieser Schulung auf einer eigenen high-performance GPU (NVIDIA Tesla P100) in der Cloud rechnet. DL Algorithmen sind derzeit eine der wichtigsten Algorithmusklasse des Maschinellen Lernens, einem Teilgebiet der Künstlichen Intelligenz (KI, englisch: Artificial Intelligence (AI)) und sind bereits in vielen Bereichen in unserem Alltag integriert.

Dieser Kurs hat seinen Schwerpunkt in der Bilderkennung mit KI Algorithmen. Die drei häufigsten Anwendungsfelder mit Bilddaten im Bereich computer vision werden behandelt: Objektdetektion mit Bounding Boxes, Klassifikation von Bildern und Semantische Segmentierung. In der Industrie werden die behandelten Algorithmen u.a. in folgenden Bereichen eingesetzt:

  • Erkennen von Symbolen (z.B. Zahlen und Buchstaben)
  • Produktionsüberwachung (das visuelle Erkennen von Fehlern/Verschleiß bei Bauteilen)
  • Pixel-weises Erkennen von Objekten / Menschen auf Dronen- bzw. Satellitenbildern,
  • Visuelle Defekterkennung während des Produktionsprozess
  • Erkennen von Objekten auf Kamerabildern, um so z.B. eine Sortierung, ein Greifen, o.ä. zu ermöglichen
  • Die Lagebestimmung von Objekten auf Bild/Videodaten erkennen,
  • Textur-/Oberflächenanalyse,
  • Das automatische Tagging von Bildern, z.B. zur Ermöglichung einer textuellen Bildsuche

Was lernen Sie im Kurs für KI Bilderkennung?

Diese Schulung führt in das Gebiet der Neuronalen Netze (Deep Learning Algorithmen) ein. Es werden die am häufigsten verwendeten Neuronalen Netze für computer vision theoretisch behandelt (u.a. Multi Layer Perceptron, Convolutional Neural Network) und in praktischen Übungen in Python mit den Framework Keras / Tensorflow mit high-performance GPUs umgesetzt. Python ist im Deep Learning die am häufigsten verwendete Sprache und Keras / Tensorflow ist eine der beliebtesten Bibliotheken zur einfachen Umsetzung von Deep Learning Algorithmen.

Verschiedene Neuronale Netze werden im Seminar auf unterschiedlichen Datensätzen trainiert. Wir behandeln typische Anwendungsfälle der Deep Learning Bilderkennung (Objektdetektion mit Bounding Boxes, Semantische Segmentierung, Bild-Klassifizierung). Dabei lernen wir die Leistungsfähigkeit der Algorithmen kennen und behandeln typische Probleme während des Trainings und deren Lösungsmöglichkeiten (u.a. Regularisierung während des Trainings).

Einfache Neuronale Netze mit verschiedenen Schichten (Layern) werden von den Teilnehmern entworfen und mit dem Framework Keras / Tensorflow in der Programmiersprache Python in der Cloud mit Jupyter Notebooks auf high-performance GPUs programmiert und trainiert. Es werden die Grundlagen vermittelt, um sich nach dem Seminar selbstständig weitere Anwendungsfälle im Deep Learning anzueignen und das Gelernte auf die eigene Problemstellungen anwenden zu können.

Besonderheit dieser Schulung

Jeder Teilnehmer rechnet in der Cloud auf einer eigenen NVIDIA Tesla P100 GPU, um die Neuronalen Netze im Bereich computer vision in Keras eigenständig programmieren und trainieren zu können. Der Zugang erfolgt im Seminar über den Webbrowser. So können typische Fragestellungen und Probleme, die in der realen, industriellen Umsetzung beim Rechnen mit GPUs auftreten, behandelt werden.

Vergleichen Sie unser Seminarangebot. Andere Deep Learning Schulungen bieten gar keine oder nur low-performance GPUs für die Teilnehmer.

Damit Sie direkt nach dem Kurs mit Deep Learning in Python experimentieren können und das Gelernte weiter vertiefen können, übertragen wir Ihnen das komplette Seminar-Setup kostenlos (europäischer GPU-Host, Datenspeicherung in Europa, Linux Server), wobei Sie zusätzlich noch eine Woche GPU-Rechenzeit für den Einstieg erhalten (Kostenlose Registrierung beim GPU-Host notwendig. Sie erhalten ein Startguthaben, das etwa 30 h GPU-Rechenzeit entspricht. Die genaue Zeit variiert nach aktueller Preislage des GPU-Anbieters.).



10:00 – 10:15
Begrüßung und Organisatorisches
  • Vorstellungsrunde
  • Erwartungen der Teilnehmer
  • Jupyter Notebook
  • Rechnen in der Cloud

 

10:15 – 11:45


Grundlagen von Maschinellem Lernen und Künstlicher Intelligenz (KI)
  • Kurze Einführung und Geschichte des Deep Learning
  • KI, Deep Learning und Machine Learning
  • Beispiele von Deep Learning Algorithmen in heutigen Produkten
  • Ein erstes einfaches Netz selbstständig mit Keras umsetzen und trainieren

 

11:45 – 12:00
Kaffeepause

 

12:00 – 13:30


Daten Vorbereitung
  • Overfitting beim Trainieren von Machine Learning Algorithmen
  • Train-Validation-Test Datensplit zur Detektion von Overfitting
  • Datennormalisierung
  • One-Hot encoding
  • Anwendung auf den MNIST Datensatz

 

13:30 – 14:30
Mittagspause

 

14:40 – 16:00


Multi-Layer-Perceptron (MLP) in Keras/Tensorflow (Neuronales Netz)
  • Wichtige Bauteile eines MLPs: Perceptron, Gewichte, Bias
  • Non-linearities (Aktivierungsfunktionen)
  • Softmax bei Klassifizierungsaufgaben

 

16:00 – 16:15
Kaffeepause

 

16:15 – 18:00


Ein Netzwerk trainieren und auf neue Daten anwenden
  • Verschiedene Loss-Funktionen
  • Backpropagation: Trainieren von den Gewichten
  • Initialisierung der Gewichte
  • Epoche und Batch-Size
  • Den Output während des Trainings interpretieren
  • Das trainierte Netzwerk zur Vorhersage von neuen Daten verwenden



09:00 – 09:15
Rückblick auf Tag 1

 

09:15 – 10:45


Convolutional Neural Network (CNN) – Teil I
  • Ein Convolution layer (Faltungsschicht)
  • Filter
  • Padding und Stride bei der Convolution

 

10:45 – 11:00
Kaffeepause

 

11:00 – 12:30


Convolutional Neural Network (CNN) – Teil II
  • Anzahl an Channel und Filter in der Faltung
  • Bias im CNN
  • Max-Pooling Layer
  • Was lernt ein CNN auf den unterschiedlichen Layern?

 

12:30 – 13:30
Mittagspause

 

13:30 – 15:00


Keras Callbacks
  • Einen Callback in Keras umsetzen
  • Model Gewichte und Architektur speichern
  • Early Stopping
  • TensorBoard zur Visualisierung des Trainingsverlaufs

 

15:00 – 15:15
Kaffeepause

 

15:15 – 17:00


Klassifizierung von Bildern
  • Softmax-Layer
  • Cross-Entropy Loss
  • Data-generator in Keras, um mit größeren Datensätzen zu arbeiten
  • Vorstellung bekannter Netzwerkarchitekturen: VGG-16 und AlexNet
  • Regularisierungen: L2 Regularisierung und Drop-Out
  • Ein trainiertes Model laden



09:00 – 09:15
Rückblick auf Tag 2

 

09:15 – 10:45


Detektion von Objekten durch Bounding Boxes
  • Netzwerk mit zwei verschiedenen Outputs
  • Mean-Squared-Error und Cross-Entropy Loss
  • Trainingsgüte: intersection over union (IoU)

 

10:45 – 11:00
Kaffeepause

 

11:00 – 12:30


Semantische Segmentierung (pixelweises Klassifizieren)
  • Cross-Entropy Loss für Multiclass Segmentierung
  • mean IoU in der semantischen Segmentierung
  • Vorstellung bekannter Netzwerkarchitekturen: U-Net
  • Up-Convolution

 

12:30 – 13:30
Mittagspause

 

13:30 – 15:00


Training mit wenig Daten
  • Erweiterung des Trainings-Datensatzes durch Data Augmentation
  • Umsetzung in Keras

 

15:00 – 15:15
Kaffeepause

 

15:15 – 17:00


Fine-Tuning
  • Weitere bekannte Netzwerkarchitekturen: Inception-V3, ResNet,
  • Code von (bereits trainierten) Netzwerken finden
  • Vortrainierte Netzwerke für seine Aufgabe verwenden und nachtrainieren (Fine-Tuning)


Zielgruppe des KI (Bilderkennung) Kurses

Diese Deep Learning Schulung ist für technisch interessierte Fachkräfte, welche die Deep Learning Bilderkennung erlernen möchten. In der Arbeit möchten Sie Deep Learning Algorithmen in Keras (Tensorflow) programmieren und trainieren können. Nebenbei lernen Sie in der Schulung den Umgang mit GPUs.

Voraussetzungen für den Python KI Kurs

Grundkenntnisse in Python oder solide Erfahrung in einer anderen Programmiersprache werden vorausgesetzt. Erste einfache Erfahrung mit Bilddaten ist notwendig. Folgende Kenntnisse sind sehr hilfreich: Eine Funktion in Python schreiben, for-Schleife, Laden von Python-Modulen, einen einfachen Plot mit Matplotlib erstellen, Grundfunktionen der Numpy-Bibliothek, ein Bild als Matrix von Farbkanälen verstehen (RGB x Breite x Höhe).
Sehr empfehlenswert sind außerdem grundlegende Vorkenntnisse im Bereich der Statistik (Mittelwert, Median, Standardabweichung, Normalverteilung), Kenntnisse grundlegender mathematischer Symbole und Begriffe (Summenzeichen, Integral, Funktion, Ableitung, Exponentialfunktion).
Jupyter Notebook wird als Programmieroberfläche verwendet. Vorkenntnisse sind nicht notwendig.
Hilfestellung, Dokumentation und weiterführende Informationen im Internet sind meist auf Englisch. Daher sind die Folien im Kurs auf Englisch. Das Seminar selbst wird auf Deutsch gehalten.

Didaktischer Aufbau der computer vision Schulung

Dieses Seminar für Deep Learning in Python lebt von der Praxis. Die Teilnehmer programmieren direkt die Bilderkennung (computer vision) mit KI Algorithmen (tiefe neuronale Netze) und verwenden selbstständig Python in der cloud mit Jupyter Notebooks. Das Erklärte kann in diesem Künstliche Intelligenz Training gleich umgesetzt und vertieft werden. Verschiedene Aufgaben werden durch den Trainer begleitet und die Teilnehmer werden bei Fragen aktiv unterstützt.

Technik im Deep Learning Seminar

  • Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mitzubringen. Ein Laptop mit GPU wird nicht benötigt.
  • Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
  • Sie sollten sich in firmenfremde WLAN-Netze registrieren können. Das Programmieren und das Trainieren der Algorithmen erfolgt auf GPUs in der Cloud, welche über eine URL direkt im Browser aufgerufen wird. Sie erhalten vor dem Seminar per E-Mail einen Link, um zu testen, ob Einstellungen den Zugriff auf die Cloud beeinträchtigen.
  • Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit verwendete Dateien oder sonstige Unterlagen übertragen zu können.
  • Im Seminar 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).

Für das Seminar ist folgendes Buch als Ergänzung hilfreich: Francois Chollet: Deep Learning with Python. Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen. Sie sollten lediglich darauf achten, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.

 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.

Sie sollten sicher gehen, dass ihr Laptop den Kriterien unter dem Reiter Organisatorisches –> Technik erfüllt. Manche Teilnehmer bringen statt des Firmenlaptops einen privaten Laptop zur Schulung, da diese meist keine Beschränkungen bei der Installation von Software oder den Zugang zum Internet aufweisen. Bitte beachten Sie dann, dass Sie sich mit dem Betriebssystem und der Tastatur Ihres mitgebrachten Laptops auskennen.

Falls Sie sich nicht sicher sind, ob Sie die Voraussetzungen für die Schulung erfüllen, welche im Reiter Organisatorisches->Voraussetzungen beschrieben sind, kontaktieren Sie uns gerne. Uns ist es ein Anliegen, dass jeder Teilnehmer den für Ihn passenden Kurs bucht. Damit stellen wir sicher, dass die Gruppe vom Vorwissen homogen ist und die Geschwindigkeit und der Schwierigkeitsgrad für alle angemessen ist.

Da es nicht immer ganz leicht ist selbst einzuschätzen, ob man die Voraussetzungen für den Kurs erfüllt können Sie uns gerne bei Fragen kontaktieren. Gemeinsam stellen wir fest, ob Sie mit unserem Angebot an Data Science, Machine Learning bzw. Deep Learning Seminaren erreichen können, was Sie anstreben. Wenn nicht, haben wir vielleicht den ein oder anderen Tipp, wie Sie ohne uns ein Stück schlauer im Bereich Künstlicher Intelligenz werden.

Ja. Vor jedem Kurs bekommen die Teilnehmer das Skript als pdf. Am ersten Kurstag  wird dies zusätzlich in gedruckter Form zur Verfügung gestellt und die Datenbeispiele, Codebeispiele und -lösungen als Dateien bereitgestellt.

○ Unsere Trainer sind Experten aus der Praxis, welche durch Beiträge in Forschungspublikationen, Industrieprojekten oder Patenten die Theorie kennen und wissen, was für die Umsetzung relevant ist. Wir schulen Ihnen Wissen und Fähigkeiten, welche Sie direkt in ihrem Arbeitsalltag umsetzen können. Wir versuchen so oft als möglich realistische Daten und Code-beispiele zu verwenden, damit Sie idealerweise schon während des Seminars den häufigsten Stolpersteinen begegnen und nicht erst hinterher in ihrer Arbeit.

○ Unsere Kurse sind komplett vorbereitet. Es ist eine klare Struktur vorhanden und die Inhalte werden auf Folien erklärt, welche für Sie als Nachschlagemöglichkeit dienen. Darüber hinausgehende Fragen werden am Flipchart erarbeitet oder, falls wir eine Frage nicht sofort oder nur unzureichend am Flipchart erklären können, erstellen wir Ihnen Unterlagen und versenden diese im Nachgang. Wir bieten keine Seminare an, welche aus gemeinsamen Live-Coding Sessions bestehen, in denen die Teilnehmer den Code vom Dozenten in ihrem Laptop abtippen. Wir nutzen Ihre Zeit und wollen Ihnen bestmöglich den Inhalt in der Tiefe vermitteln, der Sie befähigt, nach dem Seminar eigenständig Ihr Wissen für Ihre Arbeit zu erweitern. 

○ Bisherige Kursteilnehmer sind sehr zufrieden mit unseren Schulungen, wie Sie an unseren ProvenExpert https://www.provenexpert.com/enable-ai/ Bewertungen sehen können. 

○ Unsere Kurse sind praxisorientiert mit vielen Übungsaufgaben (und Lösungen), so dass Sie die typischen Fehler schon während des Seminars machen können (und hoffentlich danach vermeiden :). Durch unsere kleine Gruppen von max. 10 Teilnehmern stellen wir sicher, dass wir individuell auf Ihre Fragen eingehen können. Wir aktualisieren stets unsere Schulungen, fügen z.B. weitere Beispiele ein an Stellen, an denen vermehrt Verständnisschwierigkeiten aufgetreten sind oder schieben Passagen in den Anhang, die für Teilnehmer nicht relevant waren. Zudem achten wir darauf, dass die verwendeten Codebeispiele auf den aktuellen Paketversionen basieren.

Unser Ziel ist, dass Sie zufrieden mit unseren Leistungen sind und im Seminar viel lernen können. Falls Sie dennoch  in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und wir erstatten Ihnen die volle Kursgebühr inkl. Anreise (30 Cent / km bzw. Bahnfahrt 2. Klasse).

Um die Schulung zu buchen, füllen Sie das Buchungsformular aus, welches nach Klicken auf “Kurs buchen” bzw. “Buchen” erscheint. Falls Sie das Buchungsformular nicht ausfüllen können oder unsicher sind, wie Sie das Buchungsformular ausfüllen sollen, können Sie uns auch eine Nachricht an die info@enable-ai.de schicken.

Nach der Buchung des Kurses auf der Webseite, erhalten Sie zuerst eine automatisch generierte Email mit den von Ihnen angegebenen Buchungsdaten. Ihre Buchung wird innerhalb von 3 Werktagen bearbeitet und eine Bestätigung  wird an Ihre angegebene E-Mail Adresse versendet. Falls Sie keine Email nach der Buchung erhalten, überprüfen Sie bitte Ihren Spamfolder und / oder schreiben Sie uns eine Nachricht an die info@enable-ai.de

Um Ihnen einen Platz zu sichern, sollten Sie innerhalb von 4 Wochen nach Erhalt der Buchungsbestätigung / Rechnung die Kursgebühr auf das in der Buchungsbestätigung beschriebene Konto überweisen. Falls Sie bereits wissen, dass Ihr Unternehmen ggfs. länger brauchen wird für eine Überweisung, vermerken Sie dies bitte im “Anmerkung zu Ihrer Buchung” Feld. Wir berücksichtigen dies natürlich.

 Sie können die Buchung spätestens 2 Wochen vor Kursbeginn kostenfrei stornieren. Bis einer Woche vor Kursbeginn fallen 50% Stornokosten an. Danach ist die gesamte Gebühr zzgl. MwSt zu zahlen. Sie haben bei Stornierung aber dann die Möglichkeit zu einem anderen Termin, an dem das Seminar bereits stattfindet, kostenfrei bzw. nach Bezahlung des Differenzbetrages, teilzunehmen. Die Widerrufsbelehrung finden Sie hier (Link).

Sie können jederzeit kostenfrei bzw. nach Bezahlung des Differenzbetrages auf einen anderen Kurs umbuchen.

Die Schulung findet ab 3 Teilnehmern statt. Die Maximalanzahl beträgt 10 Teilnehmer. 

Ist ihr Wunschtermin bzw. -ort nicht verfügbar, kontaktieren Sie uns. Bei genügend großem Interesse an einem gewissen Zeitraum oder Ort versuchen wir, einen weiteren Termin anzubieten.

Selbstverständlich kann ein(e) KollegIn teilnehmen. Bitte teilen Sie uns den Namen und Email Adresse ihrer/s KollegIn mit, damit wir die Zugangsdaten für das Seminar per E-Mail versenden und die Teilnahmebestätigung abändern können.

Unser Ziel ist, Ihnen Fachwissen zu vermitteln mit Experten aus dem Bereich Machine Learning, Deep Learning bzw. Data Science. Wir wollen, dass Sie zufrieden sind und sich voll auf das Erlernen neuer Inhalte konzentrieren können. Alles was Sie daran, auch im Vorfeld, hindert, passt nicht zu uns.

Warum bei uns buchen

Unsere Leistungen im Kurs

Trainer aus der Praxis

Unsere exzellent bewerteten Trainer kommen alle aus der Praxis und vermitteln praxisnahes, aktuelles Wissen auf leicht verständliche Art und Weise mit dem Ziel, dass Sie in Ihrer Arbeit das Wissen direkt anwenden können.

Icon Hands on Keyboard

Hands-on Schulungen

Unsere Kurse sind hands-on Trainings, mit vielen Coding Übungen (inkl. digitalen Musterlösungen). Wir wissen, dass man durch praktische Beispiele am meisten lernt.

Individuelle Schulungen

Wenn es im Interessen der Schulungsgruppe ist, ändern wir das Seminar nach Ihren Wünschen ab bzw. integrieren Ihre Daten nach Rücksprache in unseren Kurs.

Kleine Gruppen

Wir garantieren eine Gruppengröße von maximal 10 Teilnehmern. Im Durchschnitt besuchen 6 Teilnehmer einen Kurs.

Fundiertes Wissen

Unser Team hat fundierte Kenntnisse durch Studium, Promotion und Berufserfahrung in den Bereichen Mathematik, Informatik, Statistik und Machine/Deep Learning.

Aktualisierte Schulungen

Sollten Sie eine unsere Schulungen zweimal besuchen, wird diese nicht identisch sein. Wir verbessern unsere Schulungen auf Grund Ihres Feedbacks und passen sie an die aktuelle Themen in Forschung und Entwicklung an.

Was unsere Kurse auszeichnet

Unsere Garantien für die Schulung

Durchführungsgarantie

Wir garantieren die Durchführung eines Seminars schon ab drei Teilnehmern. Es kommt sehr selten vor, dass eine Schulung diese Anzahl unterschreitet.

Zufriedenheitsgarantie

Sollten Sie in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und wir erstatten Ihnen die volle Kursgebühr inkl. Anreise (30 cent / km bzw. Bahnfahrt 2. Klasse). Ohne Wenn und Aber.

Wissensgarantie

Falls Ihr(e) MitarbeiterIn unerwarteterweise innerhalb eines halben Jahres nach dem Besuchen eines Kurses für mehr als 6 Monate (Krankheit, Elternzeit, Sabbatical,...) ihr Unternehmen verlässt, darf kostenlos ein Kollege innerhalb eines Jahres ab dem Verlassen des Kollegens ein stattfindendes Seminar mit demselben Inhalt besuchen.

Thematisch ähnliche Schulungen

Wir bieten Seminare im Bereich Machine Learning, Deep Learning, Statistik / Data Science an.



Weitere Seminare und Termine

Die nächsten Kurse

Übersicht über die kommenden Schulungen in Machine Learning, Deep Learning, Data Science und Statistik.
Verschwommene futuristische Tunnelfahrt. Deep Learning ist die Zukunft.

Neuronale Netze und Deep Learning mit Python

(3 Tage) Grundlagen von Deep-Learning. Theorie der Neuronalen Netze und praktische Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Einführung in CNNs, RNNs und LSTMs zur Bearbeitung von Bild-, Text- und Sequenzdaten. Training bei wenig Daten. Bekannte Netzwerkarchitekturen. ...
03 Jun - 05 Jun
09:00 - 17:00
Köln
Richmodstraße 6
Festplatte wird mit Pinzette bearbeitet. Data Science benötigt Daten.

Data Science in Python

(3 Tage) Kompakter Einstieg in Python für Datenanalyse und Data Science. Grundlagen über pandas DataFrame, Grafiken erstellen, Machine Learning und erste Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, seaborn, scikit-learn. ...
08 Jun - 10 Jun
08:00 - 17:00
Köln
Richmodstraße 6
Schalen mit verschiedenen Beeren. Maschinelles Lernen kann gruppieren.

Machine Learning Kurs mit Python

(2 Tage) Aufbauend auf Kenntnissen in Python, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn umgesetzt und die wichtigsten Schritte beim Trainieren der Algorithmen erklärt, u.a.: Regression, Entscheidungsbaum, Ensembles, Neuronales Netz, K-Means, DBSCAN. ...
08 Jun - 09 Jun
09:00 - 17:00
München
Josephspitalstraße 15
Keine Veranstaltung gefunden
Weitere anzeigen