Künstliche Intelligenz: Deep Learning mit Tensorflow in der Praxis

(iX-Intensivkurs zum Einstieg mit vielen betreuten Übungen zum selber Programmieren)

Der Intensiv-Workshop liefert eine praxisorientierte Einführung in Deep Learning mit den Machine-Learning-Frameworks Tensorflow.  Googles Tensorflow gehört zu den meist genutzten Open-Source-Bibliotheken zur Entwicklung von Anwendungen im Bereich maschinelles Lernen. 

Deep Learning und die Funktionsweise neuronaler Netze wird Ihnen auf leicht verständliche Weise anhand bildlicher Erklärungen vermittelt. Dabei wird anders als in vielen Online-Kursen auf komplexe Mathematik verzichtet und somit der Zugang erleichtert. In zahlreichen praktischen Übungen wenden Sie das Gelernte direkt in eigenem Code an – mit intensiver Unterstützung durch die Referenten.
Sie erhalten zunächst eine Einführung in Machine Learning, neuronale Netze, Deep Learning und die Vorgehensweise beim Entwickeln von KI-Algorithmen. Anschließend lernen Sie die wichtigsten Architekturen für neuronale Netze im Deep Learning Bereich kennen: Feed Forward (FF) Networks, Convolutional Neural Networks (CNNs) und Recurrent Neural Networks (RNNs).

Der Kurs wird in einem Zeitraum von 5 Wochen, jeweils Donnerstags und Freitags von 09:00 - 13:00 Uhr stattfinden.

Voraussetzungen

• Grundlegende Kenntnisse in objektorientierter Programmierung. 
• Hilfreich aber nicht erforderlich: Python-Kenntnisse, erste Erfahrungen mit dem Python Scientific Stack (Numpy, Pandas, Jupyter Notebooks, Seaborn/Matplotlib).
• Vorher einen Blick wert: Google Colab, Python Tutorial.
• Für diesen Kurs verwenden wir die OpenSource Plattform BigBlueButton. Alles, was Sie dafür benötigen, ist ein Mikrofon oder Headset und einen aktuellen Browser (Firefox/Chrome).
• Bitte nutzen Sie für den Ticketkauf eine E-Mail-Adresse, auf die Sie freien Zugriff haben.

Was werden Sie in diesem Kurs lernen

• Was künstliche Intelligenz und Machine Learning aktuell leisten kann (und was nicht).
• Grundlagen von Deep Learning.
• Selbstständiges Programmieren mit Tensorflow zum Einsatz von Deep Learning.

Zielgruppe

• KI-Interessierte mit Programmierkenntnissen
• Softwareentwickler:innen

Inhalte (für mehr Details auf die einzelnen Punkte klicken)

1) Einführung in KI, Algorithmen-Entwicklung und erste Werkzeuge

2) Deep Learning / Neuronale Netze

3) Einstieg in Computer Vision mit CNNs

4) RNNs für sequentielle Daten (Text, Zeitreihen, ...)

5) Abschließende Themen und Ausblick

• Überblick Best Practices für die Operationalisierung von ML
• Strategie Tipps von Andrew Ng: Transformation Playbook
• Trends
  • Weitere Problemstellungen: Object Detection,Similarity / Contrastive Learning, GANs
  • Modell Optimierung: ONNX Runtime, NVIDIATensorRT, Edge AI
  • ML ohne viel Aufwand und Expertise? - Auto ML
• Empfohlene Links und Ressourcen

Philipp Braunhart

Philipp ist Freelance Machine Learning Engineer und Trainer. Bei Siemens hat er skalierbare Artificial Intelligence (A.I.) Lösungen im IoT Umfeld entwickelt. Von der Physik (B.Sc.) hat er sich in Richtung A.I., insbesondere Deep und Machine Learning (M.Sc.), entwickelt. Ob Deep Reinforcement Learning in der Robotik, Qualitäts-Vorhersagen bei Fertigungs-prozessen oder Anomalieerkennung bei Prüfergebnissen von Flachbaugruppen: Es reizt ihn stets praktische Probleme mit Hilfe von intelligenten Algorithmen zu lösen. Durch bildliche, einfach verständliche Erklärungen hilft er anderen, Hürden zu überwinden, um ebenso viel Begeisterung für Machine Learning zu entwickeln.

Moustapha Karaki

Moustapha ist ein Machine Learning Engineer und Berater bei IBM für die Anwendung von AI in Unternehmen. Unter anderem am Fraunhofer IPK in der Forschungsgruppe "Sicherheitstechnologien", in Projekten in der Automobil-Branche, im Maschinenbau (B.Sc.) sowie bei IBM sammelte er Erfahrungen zu Deep und Machine Learning, Computer Vision un Robotik. Hierauf lag auch der Fokus seines M.Sc. in Computational Engineering Science. Zu seinen bisherigen Projekten gehören unter anderem Personenerkennung zur Sicherheit, Produkt-Qualitätsoptimierung basierend auf Maschinen-sensoren, und intelligente IoT Systeme in der Automobilindustrie. Durch seine Arbeit in der Beratung wurde ihm bewusst, wie wichtig es für die Menschen ist, eine AI-orientierte Denkweise zu haben. Die Verbreitung dieses Wissens ist sein Beitrag auf dem Weg zur kommenden Transformation.

Leistungen Ihres Workshoptickets

• Workshopunterlagen 
• Teilnahmebescheinigung

Der Workshop ist auf 15 Teilnehmer:innen begrenzt.

Durchführung

Ist die Durchführung der Veranstaltung aufgrund höherer Gewalt, wegen Verhinderung eines Referenten, wegen Störungen am Veranstaltungsort oder aufgrund zu geringer Teilnehmerzahl (weniger als 50%) nicht möglich, werden die Teilnehmer spätestens 7 Tage vorher durch das heise Events-Team informiert.

Online-Workshop, Workshop-Dauer: jeweils 09:00 - 13:00 Uhr

Nehmen Sie jetzt unkompliziert an unserem Online-Workshop teil.
Selbstverständlich sind die Inhalte online die gleichen wie in dem Präsenz-Workshop. Sie können Fragen stellen und sich mit dem Referenten und den anderen  Teilnehmern austauschen. Die begrenzte Teilnehmerzahl garantiert ein effektives und abwechslungsreiches Lernerlebnis – sicher und bequem in Ihrem Arbeitsumfeld.

Dieser Workshop wird in einem Zeitraum von 5 Wochen durchgefürt. (für die einzelnen Termine auf die einzelnen Punkte klicken)