Detaillierte Informationen zum Seminar
Inhalte:
Grundsätzlich beginnt der Kurs mit einem Theorieteil und mündet in praktischen Implementierungen mit Python.
1. Einführung in Machine Learning und Deep Learning
- Wie können Computer lernen?
- Was ist Machine Learning und speziell Deep Learning?
- Was sind Tensoren und wie arbeitet man mit Ihnen?
- Wie wird ein neuronales Netzwerk mit PyTorch erstellt?
2. Klassifizierungsmodelle, vor-trainierte Netzwerke
- Grundlagen der Klassifikationsmodelle
- Überblick über vor-trainierte Netzwerke mittels Huggingface
- Anpassung und Optimierung von vor-trainierten Modellen
3. Computer-Vision
- Grundlagen der Bildverarbeitung
- Algorithmen zur Objekt- und Mustererkennung
- Deep Learning für Computer-Vision
- Implementierung von Computer-Vision Modellen zur Bildklassifizierung, und Objekterkennung
4. Natural Language Processing und Large-Language Modelle
- Grundlagen der Sprachverarbeitung
- Algorithmen zur Textklassifikation und Sentiment-Analyse
- Implementierung von NLP-Modellen zur Textgenerierung und -klassifikation
- Nutzung von LLMs wie OpenAI GPT, Meta Llama, …
5. Modell Deployment, weitere Modellarchitekturen
- Was sind REST-APIs?
- Deployment auf dem lokalen Rechner
- Deployment in der Cloud
- Vorstellung weiterer Architekturen wie Graph Neural Network, Generative Adversarial Networks, Autoencoder
Dauer/zeitlicher Ablauf:
Der Kurs findet von Montag bis Freitag, jeweils von 9 bis 17 Uhr statt.
Ziele/Bildungsabschluss:
Am Ende des Kurses werden Sie in der Lage sein, eigene Deep-Learning-Modelle zu erstellen und diese in der Praxis erfolgreich einzusetzen. Lassen Sie uns gemeinsam in die faszinierende Welt der neuronalen Netze eintauchen!
Teilnahmevoraussetzungen:
Der Kurs erfordert grundlegende Python-Kenntnisse. Im Folgenden ist kurz dargestellt, welche Python Themen bekannt sein sollten.
Python Grundkenntnisse
- Welche Datentypen gibt es? Wie arbeitet man mit Ihnen?
- Was sind Listen, Dictionaries?
- Wie funktionieren Schleifen, vor allem die for-Schleife?
- Wie schreibt man eigene Funktionen? Wie übergibt man Parameter?
- Hilfreich (aber nicht unbedingt erforderlich) wäre es zu wissen was Klassen sind
§ Kenntnisse im Umgang mit den folgenden Bibliotheken:
- NumPy: Arbeit mit arrays
- Pandas: Arbeit mit dataframes
- Hilfreich: Visualisierung mittels matplotlib oder seaborn
Technische Voraussetzungen:
Technische Anforderungen:
· Stabile Internetverbindung (mind. 10 Mbit/s)
· Aktuelle Version von Microsoft Teams
· Webcam und Mikrofon
· Optional: Zweiter Bildschirm
Lehrgangsverlauf/Methoden:
Der Kurs findet von Montag bis Freitag statt. Die Tage sind grob wie folgt strukturiert.
Tagesablauf
- 09:00 - 10:30 Uhr: Block 1 (1,5 Stunden)
- 10:30 - 10:45 Uhr: Pause (15 Minuten)
- 10:45 - 12:15 Uhr: Block 2 (1,5 Stunden)
- 12:15 - 13:15 Uhr: Mittagspause (1 Stunde)
- 13:15 - 14:45 Uhr: Block 3 (1,5 Stunden)
- 14:45 - 15:00 Uhr: Pause (15 Minuten)
- 15:00 - 16:30 Uhr: Block 4 (1,5 Stunden)
Material:
Das ist inklusive
- 40 Unterrichtseinheiten mit hochwertigem Inhalt
- alle Code-Skripte
- sämtliche Präsentationen
- Teilnahmezertifikat
Förderung:
Dieser Kurs ist als Bildungsurlaub in den meisten Bundesländern anerkannt. Einige Bundesländer bieten die Möglichkeit Bildungsurlaub finanziell zu fördern.
In vielen Fällen übernimmt sogar der Arbeitgeber die Seminarkosten.
Zielgruppe:
Der Kurs richtet sich an alle, die verstehen wollen, wie künstliche Intelligenz eigentlich funktioniert und solche Systeme für private oder berufliche Zwecke nutzen wollen.
Dieser Kurs dürfte zum Beispiel für Data Scientist, Data Analysts, oder generell Python-Entwickler interessant sein.
Seminarkennung:
AI-Engineering
