Enable AI

Preis ab: 1.420,00 €

Beschreibung der Python Schulung Der dreitägige Python Kurs erklärt umfassend die Grundlagen, um Python als Skriptsprache kennen zu lernen und als objektorientiere Programmiersprache benutzen zu können. Der Schwerpunkt wird hierbei auf die neuesten Entwicklungen in Python gelegt. Python Code überzeugt durch seine Übersichtlichkeit und leichte Wartbarkeit. Der Fokus liegt auf der praktischen Umsetzung mit der Entwicklungsumgebung PyCharm, d.h. das Erklärte wird in vielen Übungen von den Teilnehmern vertieft. Somit ermöglicht die Schulung in Python für Anfänger, dass Sie Python programmieren lernen. Am Ende dieses dreitägigen Python Intensivkurses können Sie Programme in Python erstellen, verstehen die objektorientiere Programmierung und beherrschen eine der populärsten Programmiersprachen (nach dem TIOBE Index). Was lernen Sie im Python Kurs? Die Python Schulung gliedert sich in drei Bereiche: Python Grundlagen und Grundbegriffe, um Python in der Entwicklungsumgebung (IDE) PyCharm effizient benutzen zu können. Zudem werden die wichtigsten Daten-Strukturen behandelt. Des weiteren werden Grundlagen im Umgang mit Text erläutert. Überdies wird eine Einführung gegeben, um Python als Schnittstelle zum Betriebssystem benutzen zu können. Die wichtigsten Kontrollstrukturen (If-Else, While, For-Schleife) werden erklärt. Erste eigene Funktionen mit einer eigener Dokumentation werden geschrieben. Fehler- und Ausnahmebehandlung mit exceptions wird erläutert. Überdies die Ein- und Ausgabe von Daten und die Grundlagen von numpy zur Berechnung bei arrays. Der letzte Bereich im Python Crash Course erklärt die Grundlagen und Ideen der Objektorientieren Programmierung (OOP). Eigene Klassen zur OOP in Python werden definiert. Um Fehler im Code zu erkennen und robusten Code zu erstellen wird das Debugging von eigenem Code und Unittests erläutert. Nach dieser Schulung in Python für Einsteiger haben Sie einen umfassenden Einblick in die Grundlagen von Python, um Python als Skriptsprache zu verwenden und kennen die Grundlagen der objektorientierten Programmierung. Die Einstiegshürde für die Benutzung von Python ist genommen, so dass Sie eigenständig Ihr Wissen nach dem Kurs erweitern können. Ein wichtiger Bestandteil des Seminars ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit direkter Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und anwenden können, um Python programmieren zu lernen.

Preis ab: 1.420,00 €

Beschreibung des Statistik Seminars Die dreitägige Statistik Schulung bietet eine R Einführung und erläutert Aspekte in Statistik und deren Umsetzung in R. Zudem wird die Datenstruktur data.table erläutert, um wichtige Grundlagen in der Datenanalyse umsetzen zu können. Die frei verfügbare Programmiersprache R hat sich zu einer der meistverwendeten Sprachen bei statistischen Fragestellungen und Datenanalysen in Wissenschaft und Wirtschaft entwickelt. R wird in vielen Industrien verwendet, vor allem in der Versicherungsbranche, im Finanzsektor und in der medizinischen Statistik. Die Anwender schätzen die Leistungsstärke bei statistischen Berechnungen, die Einfachheit beim Erzeugen hochwertiger Grafiken sowie die umfangreichen Funktionen und Verfahren für Statistik und Datenanalyse. Auch im Machine Learning bietet R durch seine Fülle an Algorithmen und leichte Bedienbarkeit einen großen Vorteil. Schätzungsweise mehr als zwei Millionen Anwender benutzen R weltweit. Der Schwerpunkt der Schulung liegt auf der anschaulichen Erklärung der Statistik Grundlagen, wobei nur das Notwendige an mathematischen Formeln verwendet wird. Der Fokus liegt auf der direkten Umsetzung mit R und dem eigenen Programmieren. Am Ende des Statistik Seminars haben Sie einen Überblick über wichtige Grundlagen in Statistik, kennen das Paket data.table und können selbstständig erste Daten analysieren und Statistiken berechnen. Was lernen Sie in der Statistik und R Schulung? Sie erhalten einen Überblick über R mit der Entwicklungsumgebung (IDE) RStudio und lernen die Grundlagen zur Benutzung kennen, z.B. Variablen zuweisen, Pakete installieren und laden. Sie kennen wichtige Datentypen in R (vector, factor array) und nach der Statistik Einführung können Sie schnell grundlegende deskriptive Statistiken der Daten berechnen. Wichtige Lagemaße (Mittelwert, Median, Quantile) und Streuungsmaße (Varianz, Standard Abweichung) der Statistik und die Umsetzung in R sind Ihnen bekannt. Desweiteren werden Häufigkeitstabellen und Kreuztabellen und bedingte Wahrscheinlichkeiten behandelt. Nach diesem Statistik Kurs kennen Sie bekannte Verteilungen, wissen was Dichtefunktion und Verteilungsfunktion ist und können Zufallszahlen aus einer Verteilung ziehen. Für die Grundlagen der Datenanalyse wird das Paket data.table verwendet. Es ist neben dem tidyverse-Paketen (u.a. mit dplyr) das beliebteste Paket zur Analyse von Daten. Sie können Daten einlesen und schreiben, Statistiken auf den Daten berechnen und fehlende Daten ergänzen. Data.table ist im Vergleich zu tidyverse insbesondere für größere Datenmengen effizienter. Die data.tables entsprechen den häufig in der statistischen Programmiersprache R verwendeten data.frames und ermöglichen eine elegante Analyse der Daten. In diesem Kurs wird nicht dplyr bzw. tidyverse geschult. In der deskriptiven, bivariaten Statistik werden Korrelationsanalysen durchgeführt und die bekannten Korrelationsmaße Korrelationskoeffizient nach Pearson und Rangkorrelation nach Spearman behandelt. Das beliebteste Paket zur Erstellung von Grafiken, ggplot2, und die dahinterliegende grammar of graphics wird durchgenommen. Sie können eigene Visualisierungen erstellen, anpassen, abspeichern und kennen die Grundlagen, um Plots individuell anzupassen. Sie beherrschen die Grundlagen von statistischen Tests (Stichprobe, Nullhypothese, Signifikanz, Konfidenzintervall) und können Mittelwertsvergleiche mit dem t-Test durchführen. Häufige Pre-Tests für die Überprüfung der Voraussetzungen vom t-Test und nicht-parametrische Tests sind Ihnen geläufig. Diese Statistik Weiterbildung beinhaltet auch ein einfaches Verfahren des Machine Learnings, welches ein Standardverfahren der Statistik ist: die lineare Regression. Sie lernen die theoretischen Grundlagen kennen, können den Algorithmus in R umsetzen und die Ergebnisse interpretieren. Die Einstiegshürde für die Benutzung von R für Statistik und Datenanalyse ist genommen, so dass Sie eigenständig Ihr Wissen nach dem R und Statistik Intensivkurs erweitern können. Durch die kleine Gruppengrößen und die eigene Umsetzung auf Ihrem Laptop mit Unterstützung des Dozenten wird eine hohe Qualität und ein bestmöglicher Lernerfolg sichergestellt.

Preis ab: 1.190,00 €

Beschreibung vom Machine Learning Workshop Dieser zweitägige Machine Learning Workshop erklärt wie Sie Machine Learning mit Python und der Bibliothek scikit-learn umsetzen können. Machine Learning (ML) ist eine wesentliche Algorithmen Klasse der Künstlichen Intelligenz. Machine Learning gliedert sich grob in zwei Bereiche: supervised learning und unsupervised learning (überwachtes und unüberwachtes Lernen). Supervised Learning umfasst all die Algorithmen, die durch (meist vom Menschen) gelabelte Daten trainiert werden, um gewisse “Aufgaben” zu erlernen. Bei gelabelten Daten gibt man dem Algorithmus die Zielvariable mit, die dieser erlernen soll. Beispiele hierfür sind die Klassifikation, welchen Fehler ein Bauteil aufweist oder die Vorhersage, wie viel Umsatz ein Kunde voraussichtlich generiert. Unsupervised Algorithmen dagegen benötigen keine gelabelte Daten, sondern versuchen in den vorhandenen Daten beispielsweise Gruppen oder Muster zu erkennen, z.B. zur Kundengruppierung (verschiedene Kunden können dann anders im Marketing behandelt werden). Unsupervised Learning liefert Hinweise, welche Muster in Daten vorhanden sein könnten – es werden jedoch keine vorgegebenen Muster (wie Bauteil defekt – nicht defekt) erlernt. Die in diesem Machine Learning Kurs verwendete Programmiersprache Python ist sehr verbreitet im Maschinellen Lernen (und auch im Deep Learning). Das Modul scikit-learn umfasst zahlreiche Machine Learning Algorithmen. Was lernen Sie in der Machine Learning Schulung? Damit Sie leicht die Algorithmen im Machine Learing lernen und programmieren können, benutzen wir hauptsächlich das Python Modul scikit-learn. Das Modul StatsModels wird auch für die logistische Regression verwendet, um einen Einblick in eine weitere bekannte Bibliothek für Machine Learning zu erhalten. Der Fokus dieser Schulung liegt auf supervised Algorithmen. Hierbei werden mehrere Maschinelle Lernen Algorithmen theoretisch erläutert und praktisch in Python programmiert: Lineare Regression, logistische Regression, Entscheidungsbaum, Ensemble-Methoden (Random-Forest und AdaBoost), K-Nearest Neighbor und Neuronale Netzwerke (Multi-Layer Perceptron, MLP). Das Splitting der Daten in Trainings und Test Daten und Cross Validation (Kreuzvalidierung) werden erläutert (beides Konzepte zum Erkennen von Overfitting). Zudem wird die Hyperparametersuche und die wichtigsten Metriken zur Bestimmung der Algorithmusgüte erläutert. Im unsupervised Learning wird das Clustering mit dem K-means Algorithmus und DBSCAN behandelt. Nach diesem Machine Learning Crash Course haben Sie eine grundlegende Einführung der wichtigsten Aspekte von scikit-learn erhalten und können selbständig erste Machine Learning Aufgaben bearbeiten. Zudem haben Sie die Fähigkeit, Ihre Programmierkenntnisse in Python selbständig zu erweitern, um aufbauend auf den erworbenen Machine Learning Grundlagen weitere Algorithmen aus scikit-learn umzusetzen.

Preis ab: 1.710,00 €

Beschreibung vom R Kurs Der dreitägige Kurs führt in die Verwendung von R für Data Science ein, erklärt die Grundlagen von Data Science (Data Mining) und die Verwendung von R. Das notwendige theoretische Verständnis wird geschult mit dem Ziel die Verfahren praktisch in R umsetzen zu können. Am Ende der Schulung können Sie selbstständig erste Datenanalysen in R umsetzen und Machine Learning Algorithmen für die Datenanalyse oder das Data Mining mit R einsetzen. Das Paket data.table ist ein Schwerpunkt dieser Data Science Schulung, da dieses Paket speziell für Data Science entwickelt wurde und aufgrund seiner Performance überzeugt. Die data.tables entsprechen den häufig in der statistischen Programmiersprache R verwendeten data.frames und ermöglichen eine elegante Analyse der Daten. Das Paket ggplot2 wird für die Erstellung von Plots und Grafiken erläutert. ggplot2 ist eines der beliebtesten Pakete in R für die Visualisierung. Nach den Grundlagen der Datenanalyse erhalten Sie einen Überblick über Algorithmen im Machine Learning, welche wir in R selbst programmieren werden. Ein wichtiger Bestandteil der Data Mining Schulung ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und anwenden können. Was lernen Sie in der R für Data Science Schulung? In diesem Kurs erhalten Sie einen Überblick über die in der Statistik, Data Science und Machine Learning viel benutzten Programmiersprache R. Als Entwicklungsumgebung/IDE wird RStudio verwendet, die am Meisten verwendete Umgebung für R. Nach dem Seminar können Sie Daten aus verschiedenen Formaten einlesen, Daten mit ggplot2 plotten bzw. Daten mit data.table bereinigen (fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erzeugen). Sie kennen die wichtigsten Datentypen in R, können eigene einfache Funktionen schreiben und kennen die Umsetzung von Control Flows (For-Schleife, If-Else) in R. Sie verstehen das Grundkonzept eines data.table und können damit Data Wrangling und Data Cleaning durchführen. Die Einteilung von Machine Learning in supervised-unsupervised und Reinforcement Learning ist Ihnen bekannt und Sie können eigenständig Algorithmen in R trainieren, validieren, einen Train-Test Split durchführen und Gütekriterien zur Beurteilung eines Algorithmus berechnen und interpretieren. Bekannte Algorithmen im Machine Learning werden erläutert und Sie können die verschiedenen Algorithmen verstehen und in R im Code schreiben. Das Seminar umfasst Algorithmen für die Regression, Klassifikation und dem Clustering: Lineare Regression, Logistische Regression, Entscheidungsbaum, Random Forest, k-means clustering. Nach der Schulung ist die Einstiegshürde für die Benutzung von R im Machine Learning und Data Science genommen, so dass Sie eigenständig Ihr Wissen erweitern können. Der Schwerpunkt im Kurs liegt auf der eigenen Umsetzung in RStudio mit Unterstützung des Dozenten.

Preis ab: 2.630,00 €

Beschreibung der Data Science Fortbildung Dieses einwöchige Data Science Bootcamp fängt bei den notwendigen Grundlagen von Python für die Datenanalyse (data analytics) an und es werden alle Voraussetzungen unterrichtet, um am Ende Machine Learning Algorithmen mit scikit-learn zu programmieren. Bei den Algorithmen wird das notwendige theoretische Verständnis geschult. Das Ziel liegt auf der praktischen Umsetzung der Datenanalyse und Algorithmen in Python. Am Ende des Seminars können Sie selbstständig erste Datenanalysen umsetzen, Machine Learning Algorithmen einsetzen und deren Ergebnisse interpretieren. Das Paket pandas ist ein Schwerpunkt, da pandas speziell für Data Science entwickelt wurde. Die wichtigsten Schritte für die Datenaufbereitung werden eingeübt. Zur Erstellung von Plots und Grafiken wird das Paket seaborn verwendet mit einer kurzen Einführung in matplotlib. Matplotlib überzeugt durch die Fülle an Möglichkeiten einen Plot anzupassen, seaborn durch die Einfachheit auch komplexere Plots mit wenig Code zu erstellen. Es werden die Grundlagen in numpy gelehrt, um dieses wichtige Paket im Data Mining einsetzen zu können. Nach den Grundlagen für Python (Datenstrukturen, eigene Funktionen schreiben) und der Erläuterung von pandas für die Auswertung von Daten, erhalten Sie einen vertieften Überblick über Machine Learning Algorithmen, welche wir in Python mit dem Paket scikit-learn selbst coden werden. Hierbei wird eine Auwahl der bekanntesten Algorithmen erklärt (Lineare und logistische Regression, Entscheidungsbaum, Random Forest, SVM, Ensemble Learning, AdaBoost, K-Means, DBSCAN Clustering). Ein wichtiger Bestandteil der Fortbildung ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und in Python programmieren können. Was lernen Sie in dieser Data Science Weiterbildung? Sie erhalten einen Überblick über die im Data Science, Data Mining, Machine Learning und Deep Learning populäre Programmiersprache Python. Wir verwenden die Anaconda Distribution (nach eigenen Angaben “The World’s most popular data science platform“) und als Entwicklungsumgebung/IDE wird spyder verwendet. Nach dieser einwöchigen Weiterbildung zum data scientist können Sie Daten aus verschiedenen Formaten und von Datenbanken (mit den Paketen SQLAlchemy und pandas) einlesen, Daten mit seaborn / matplotlib plotten bzw. Daten mit pandas bereinigen (fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erzeugen) und Berechnungen mit numpy durchführen. Sie kennen die wichtigsten Datentypen in Python, können eigene einfache Funktionen schreiben und kennen die Umsetzung von Control Flows (For-Schleife, If-Else). Sie verstehen das Grundkonzept eines pandas DataFrames und können damit Data Wrangling und Data Cleaning durchführen. Die Vorverarbeitung von Daten (data preprocessing) für die Umsetzung von Algorithmen mit scikit-learn wird angesprochen. Die Einteilung von Machine Learning in supervised-unsupervised (überwachtes-unüberwachtes Lernen) und Reinforcement Learning ist Ihnen bekannt und Sie können mit scikit-learn eigenständig Algorithmen in Python trainieren, validieren, einen Train-Test Datensplit durchführen und Gütekriterien zur Beurteilung eines Algorithmus berechnen und interpretieren. Sie wissen, was Overfitting (Überanpassung) bedeutet, wie dies nach dem Training eines Algorithmus identifiziert werden kann und welche Anpassungen es bei einzelnen Algorithmen gibt, um Overfitting zu verringern. Ein großer Schwerpunkt im Kurs liegt auf der Bibliothek scikit-learn und der Umsetzung und das intuitive Verständnis von bekannten Algorithmen des Machine Learnings. Die Fortbildung umfasst Algorithmen für die Regression (Lineare Regression, Random Forest, Neural Network, Decision Tree), für die Klassifikation (Logistische Regression, Enscheidungsbaum, Random Forest, AdaBoost, K-Nearest Neighbor) und dem Clustering (K-Means, DBSCAN). Desweiteren wird das Erstellen eines Ensembles erläutert und die Konzepte von Grid-Search zur automatischen Optimierung von Hyperparametern und die Umsetzung einer Kreuzvalidierung (Cross-Validation) an Stelle eines klassischen Train-Test-Datensplits. Am Ende der fünftägigen Data Science Weiterbildung ist die Einstiegshürde für die Benutzung von Python für Machine Learnin, Data Science, Data Mining, Business Intelligence bzw. Data Analytics genommen und erweiterte Grundlagen in scikit-learn gelernt, so dass Sie eigenständig Ihr Wissen nach dem Seminar Stück für Stück erweitern können. Der Schwerpunkt während des Seminars liegt auf der selbstständigen Umsetzung auf Ihrem Laptop mit aktiver Unterstützung des Dozenten.

Preis ab: 1.710,00 €

Beschreibung der Data Science Schulung Der dreitägige Data Science Kurs in Python für die Verwendung von Python für Data Science erklärt die notwendigen Grundlagen für die Datenanalyse und die Anwendung von Machine Learning Algorithmen. Bei den Algorithmen wird nur das notwendige theoretische Verständnis geschult, da das Ziel in der Schulung auf der praktischen Umsetzung der Algorithmen in Python mit dem Paket scikit-learn liegt. Am Ende des Seminars können Sie selbstständig erste Daten Analysen umsetzen und einfache Machine Learning Algorithmen für die Datenanalyse einsetzen. Das Paket pandas ist ein Schwerpunkt dieser Data Science Schulung, da dieses Paket speziell für Data Science entwickelt wurde. Die wichtigsten Schritte für die Datenaufbereitung mit pandas werden eingeübt. Zur Erstellung von Plots und Grafiken wird das Paket seaborn verwendet und eine kurze Einführung in matplotlib gegeben. Matplotlib überzeugt durch die Fülle an Möglichkeiten einen Plot anzupassen, seaborn durch die Einfachheit auch komplexere Plots mit wenig Code zu erstellen. Nach den Grundlagen für Python (Datenstrukturen, eigene Funktionen schreiben) und der Erläuterung von pandas für die Auswertung von Daten, erhalten Sie einen Überblick über Machine Learning Algorithmen, welche wir in Python mit dem Paket scikit-learn selbst programmieren werden. Ein wichtiger Bestandteil des Seminars ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit direkter Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und so Schritt für Schritt die Anwendung von Data Science lernen können. Was lernen Sie im Python Data Science Kurs? Sie erhalten einen Überblick über die im Data Science, Data Mining, Machine Learning und Deep Learning populärste Programmiersprache Python. Wir verwenden die Anaconda Distribution (nach eigenen Angaben “The World’s most popular data science platform”) und als Entwicklungsumgebung/IDE wird spyder verwendet. Nach dem Seminar können Sie Daten aus verschiedenen Formaten einlesen, Daten mit seaborn/matplotlib plotten bzw. Daten mit pandas bereinigen (fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erzeugen). Sie kennen die wichtigsten Datentypen in Python, können eigene einfache Funktionen schreiben und kennen die Umsetzung von Control Flows (For-Schleife, If-Else). Sie verstehen das Grundkonzept eines pandas DataFrames und können damit Data Wrangling und Data Cleaning durchführen. Die Einteilung von Machine Learning in supervised-unsupervised und Reinforcement Learning ist Ihnen bekannt und Sie können mit scikit-learn eigenständig Algorithmen in Python trainieren, validieren, einen Train-Test Datensplit durchführen und Gütekriterien zur Beurteilung eines Algorithmus berechnen und interpretieren. Bekannte Algorithmen im Machine Learning werden erläutert und Sie können die verschiedenen Algorithmen verstehen und in Python coden. Das Seminar umfasst Algorithmen für die Regression, Klassifikation und dem Clustering: Lineare Regression, Entscheidungsbaum, Random Forest, k-means clustering. Sie kennen die Data Science Grundlagen und die Einstiegshürde für die Benutzung von Python für Machine Learning ist genommen, so dass Sie eigenständig Ihr Wissen nach dem Data Science Seminar erweitern können. Der Schwerpunkt liegt auf der eigenen Umsetzung auf Ihrem Laptop mit Unterstützung des Dozenten.

Preis ab: 1.710,00 €

Beschreibung der Schulung Unser Deep Learning Kurs führt Deep Learning (DL) Algorithmen für den Bereich der KI Bilderkennung ein. Das Besondere ist, dass jeder Teilnehmer 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 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? Dies 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. 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.).

Preis ab: 1.710,00 €

Beschreibung der KI Fortbildung Unser Deep Learning Training mit GPU Benutzung (jeder Teilnehmer rechnet auf einer eigenen high-performance GPU (NVIDIA Tesla P100) in der Cloud) bietet eine Einführung in Deep Learning (DL) Algorithmen mit den grundlegenden Verfahren für Bild-, Text- und numerischen Daten. Deep Learning Algorithmen sind derzeit eine der wichtigsten Algorithmusklasse des Maschinellen Lernens, einem Teilgebiet der Künstlichen Intelligenz (KI) und sind bereits in vielen Bereichen in unserem Alltag integriert. In der Schulung wird das Anlernen geeigneter Modelle behandelt, um diese für die Klassifikation oder Schätzung auf neue Daten zu verwenden. Sie lernen Schritt für Schritt die wichtigsten Aspekte, um in Tensorflow / Keras Deep Learning Algorithmen programmieren zu können. Es wird die Datenaufbereitung und das sequentielle Einlesen von großen Datenmengen im Training behandelt, die Erstellung tiefer neuronaler Netze, die möglichen Konfigurationen für das Training und die Anwendung der trainierten Modelle auf neue Daten. Im Seminar werden gängige Varianten von Deep Neural Networks und deren Bestandteile besprochen. Die Inhalte werden mit Folien und Flipchart erklärt und in Übungen umgesetzt und vertieft. Häufige Anwendungsfelder im Deep Learning werden behandelt: Vorhersage bei numerischen Daten, Klassifikation von Bildern und Klassifikation/Vorhersage bei Text bzw. Sequenzdaten. 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) Textur-/Oberflächenanalyse, Das automatische Tagging von Bildern, z.B. zur Ermöglichung einer textuellen Bildsuche Sprachliche Übersetzung von Texten Sentiment-Analyse von Texten Vorhersage bei Zeitreihendaten Was lernen Sie in diesem KI Training? Es werden die am häufigsten verwendeten Künstlichen Neuronalen Netze theoretisch behandelt und deren Bestandteile besprochen (u.a. Multi Layer Perceptron (MLP), Convolutional Neural Network (CNN) zur Verarbeitung von Bilddaten und das Recurrent Neural Network (RNN) bei Text- und Zeitreihendaten) und in praktischen Übungen in Python mit den Framework Keras / Tensorflow mit high-performance GPUs umgesetzt. Sie lernen in diesem KI Workshop schrittweise die wichtigsten Aspekte für die Umsetzung mit der Deep-Learning Bibliothek Keras. Es wird die Datenaufbereitung und das sequentielle Einlesen von großen Datenmengen im Training behandelt, die Erstellung von Netzen, die möglichen Konfigurationen für das Training und die Anwendung der trainierten Modelle auf neuen Daten. 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. Wir behandeln die Anwendungsfälle Vorhersage bei numerischen Daten, Klassifikation von Bildern und Klassifikation/Vorhersage bei Text bzw. Sequenzdaten. Dabei werden wir die Leistungsfähigkeit der Algorithmen kennenlernen und typische Probleme während des Trainings und deren Lösungsmöglichkeiten (u.a. Regularisierung während des Trainings) behandeln. 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 umgesetzt und trainiert. Es werden die Grundlagen vermittelt, so dass Sie nach dem Seminar Deep Learning Algorithmen der Künstlichen Intelligenz programmieren können, sich selbstständig weitere Anwendungsfälle im Deep Learning aneignen und das Gelernte auf eigene Problemstellungen anwenden können. Besonderheit dieses Deep Learning Kurses Jeder Teilnehmer rechnet in der Cloud auf einer eigenen NVIDIA Tesla P100 GPU. Der Zugang erfolgt 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 / Künstliche Intelligenz Seminare bieten gar keine oder nur low-performance GPUs für die Teilnehmer. Damit Sie direkt nach dem Seminar mit Ihrer Deep Learning Anwendung 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.).

Preis ab: 750,00 €

Beschreibung der KI Schulung Künstliche Intelligenz, auch bekannt unter dem Namen cognitive technologies bzw. Artificial Intelligence (AI) ist derzeit ein viel beachtetes Thema, da viel in der Zukunft durch KI verändert wird. In diesem eintägigen AI Training lernen Sie die Grundbegriffe kennen, um KI Management erfolgreich zu betreiben. An Hand von Beipielen aus dem Alltag werden Sie die Bereiche Machine Learning, Deep Learning und Reinforcement Learning kennen lernen. Wir erläutern in welchen Bereichen KI schon heute erfolgreich eingesetzt wird und zeigen derzeitige Limitierungen und Grenzen von KI Ansätzen auf. Deep Learning Algorithmen sind datengetrieben, d.h. sie werden besser, je mehr qualitativ hochwertige Daten für das Training der Algorithmen verwendet werden. Im Allgemeinen kann man sagen, dass sich gute Ergebnisse nur mit hochwertigen Daten erzielen lassen. Das KI Seminar erläutert häufige Probleme, die in der Praxis in Unternehmen auftreten können, wenn es um das Thema Daten geht, damit Sie diese Probleme als Führungskraft frühzeitig erkennen und ihnen entgegenwirken können. Sie werden die Voraussetzungen verstehen lernen, welche benötigt werden um Künstliche Intelligenz und Deep Learning Algorithmen erfolgreich in Ihrem Unternehmen integrieren zu können. Zudem erläutern wir auch die typischen Stolpersteine und Probleme, welche bei der Anwendung von KI Algorithmen auftreten können. Um das gelernte Wissen zu festigen, wird zum Abschluss der AI Schulung von jedem Teilnehmer eine Projektskizze aus einem AI Anwendungsfall aus seinem Unternehmen verfasst. Programmierkenntnisse sind in diesem Seminar nicht notwendig. Was lernen Sie als zukünftiger KI Manager? In dieser Schulung werden Grundbegriffe der Künstlichen Intelligenz, meist anhand von Beispielen, erläutert (z.B. „Trainieren“, „Supervised-“ „Unsupervised-“, „Reinforcement-Learning“). Nach dem Kurs verstehen Sie den Unterschied von den Bereichen Machine Learning, Deep Learning und Künstlicher Intelligenz. Wir erläutern die Gründe warum KI gerade in den letzten Jahren einen solchen Aufschwung erhalten hat. Anhand von Beispielen aus dem Alltag und der Forschung veranschaulichen wir die unterschiedlichen Bereiche, um Ihnen für Ihre Management Aufgaben Ideen zu geben, wo KI und Deep Learning Algorithmen in Ihrem Unternehmen eingesetzt werden könnte. Wir gehen aber auch auf die Voraussetzungen ein, um KI erfolgreich umzusetzen und erläutern die derzeitigen Limitierungen und Grenzen von KI. Ein wichtiger Bestandteil aller KI Algorithmen sind Daten. Sie werden in diesem AI Kurs verstehen, dass das Datensammeln, das Datenlabeln, die Datenaufbereitung und Datenbereinigung den Großteil eines Projektes im Bereich der Künstlichen Intelligenz ausmachen und dass Daten meistens den Großteil des Intellectual Property eines KI Projektes darstellen. Wir werden die Fragen diskutieren „Wie viele Daten brauche ich?“. Zudem lernen Sie einige Online verfügbare Datenressourcen kennen. Zum Abschluss erstellt jeder Teilnehmer eine Ideenskizze eines möglichen KI Anwendungsfalls aus seinem Unternehmen. In der anschließenden gemeinsamen Diskussion werden potentielle Hindernisse und Herausforderungen jedes Use Cases beleuchtet.