Künstliche Intelligenz: Einstieg in Deep Learning mit PyTorch

(2-tägiger iX-Kurs zum schnellen Einstieg)

Der Einstiegs-Workshop liefert eine praxisorientierte Einführung in Deep Learning mit den Machine-Learning-Frameworks PyTorch. Facebooks PyTorch Open Source-Bibliothek erfreut sich aufgrund seiner Einfachheit großer Beliebtheit in der Forschung und Entwicklung von Anwendungen im Bereich Deep Learning. Deep Learning und die Funktionsweise neuronaler Netze werden 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.
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).

In diesem Kurs werden Programmierbeispiele gezeigt. Übungsaufgaben und Lösungen erhalten Sie für das Selbststudium nach dem Kurs.

Interessieren Sie sich mehr für Tensorflow als PyTorch? Dann buchen Sie unsere 2-tägige Tensorflow-Variante dieses Kurses: https://www.heise-events.de/workshops/tensorflow Die Inhalte sind gleich, als Deep Learning Framework wird aber Tensorflow verwendet und vermittelt.

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.

Ziele

• Was Künstliche Intelligenz (KI) und Machine Learning (ML) aktuell leisten kann (und was nicht).
• Grundlagen neuronaler Netze und Deep Learning.
• Einführung in die Programmierung mit PyTorch zum Einsatz von Deep Learning.

Zielgruppe

• KI-Interessierte mit Programmierkenntnissen
• Softwareentwickler

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
• Aktuelle Trends
• Empfohlene Links und Ressourcen

Trainer 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 intelligenter Algorithmen zu lösen. Durch bildliche, einfach verständliche Erklärungen hilft er anderen, Hürden zu überwinden, um ebenso viel Begeisterung für Machine Learning zu entwickeln.

Trainer 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 und 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 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, jeweils 09:00 - 17:00 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.