Deep Learning ist eine Technologie, die die Art und Weise wie wir künstliche Intelligenz global anwenden in den letzten Jahren maßgeblich verändert hat. Deep Learning ist ein Teilbereich des maschinellen Lernens und kann für alle Arten von Daten benutzt werden. Wer die Technologie heute erlernt, sichert seinen morgigen Erfolg.

Meine Kurse fördern das Verständnis von Deep Neural Networks und deren unterschiedlichen Anwendungsgebieten auf praktische Art und Weise. Wir treffen uns in Würzburg für ein spannendes Advanced Deep Learning Training. Wir befassen uns mit Use-Cases und Best-Practices bei Image Processing, Time Series Analysis und Natural Language Processing und erarbeiten gemeinsam die Antworten auf viele Fragen.

Wir leben im Zeitalter der Demokratisierung künstlicher Intelligenz. Heute kann jeder Deep Learning machen. Jeder hat Zugriff auf Daten, Algorithmen, Tools, Frameworks und Maschinen. Alles was du brauchst, ist ein Wissensschub. Und meine Kurse sind der perfekte Weg, das zu tun!

Image Processing.

In der Bildverarbeitung dominineren Deep Neural Networks die Anwendingsfälle. Nicht nur wegen der Convolutional Neural Networks. Wie trainiert man Convolutional Neural Networks von Grund auf? Wie baut man effiziente Data-Pipelines auf? Wie trainiert man bereits trainierte Neuronale Netze nach?

Time Series Analysis.

Zeitreihen-Analyse ist die Auswertung von Daten über die Zeit und die Vorhersage der Zukunft. Deep Neural Networks sind in der Lage dort Muster zu erkennen, wo der Mensch nur Chaos sieht. Wie bereitet man Zeitreihen für die Analyse mit Neural Networks vor? Wie verwendet man Netze mit Kurzzeitgedächtnis, die sogenannten RNNs, GRUs und LSTMs?

Natural Language Processing.

In der Verarbeitung natürlicher Sprache haben Deep Neural Networks in der letzten Zeit große Schritte nach vorne gemacht. Welche Möglichkeiten gibt es, Texte in natürlicher Sprache für Neural Networks zu kodieren? Was sind Word-Embeddings? Wie kann man leistungstarke und von Dritten vortrainierte Neural Networks für die eigenen Use-Cases einsetzen?

Wie?

Der Kurs ist maximal interaktiv und findet an zwei Tagen statt. Anwendungsfälle werden auf den eigenen, mitgebrachten Rechnern umgesetzt. Ein tiefgehendes Wissen in Data Science bzw. Machine Learning wird nicht vorausgesetzt. Anfängerkenntnisse werden jedoch empfohlen. Weiterhin sind grundlegende Programmierkenntnisse wichtig.

Was lernen die Teilnehmer?

State-of-the-art Best Practices in Image Processing, Time Series Analysis und Natural Language Processing.
Training des motorischen Gedächtnisses. Jede Theorie wird praktisch erprobt.
Einschätzen von Use-Cases bezüglich Machbarkeit und Aufwand.
Achtung

Bis zum 1.6. gilt der Frühbucherpreis. Die Veranstaltung ist begrenzt auf 15 Teilnehmer. First come, first serve!

Hier anmelden