KI hands-on: Machine & Deep Learning mit Python, Tensorflow & PyTorch
-
Datum Auf Anfrage
-
Uhrzeit 09:00 - 13:00 Uhr
-
Preis 2.760,00 € *
-
Frühbucher 2.484,00 € *
-
max. 15 Teilnehmer
-
online
Diese fünfwöchige Workshop-Serie bietet einen soliden Einstieg in den Einsatz künstlicher Intelligenz und neuronaler Netze in der Praxis.
Der Workshop macht Sie mit den Grundlagen von Machine Learning und Deep Learning vertraut. Sie erfahren, wie Sie mit Python und den ML-Frameworks Tensorflow und PyTorch Modelle zur Verarbeitung von Bildern, Texten und Zeitreihen programmieren. Auch lernen Sie passende Cloud-Infrastruktur am Beispiel von AWS und Amazons ML-Plattform Sagemaker kennen. Sie erfassen Experimente, setzen Modelle plattformunabhängig ein mit der ONNX Runtime und überwachen sie im Betrieb. Die Referenten präsentieren zudem alle wichtigen Tools rund um das Thema MLOps in der Praxis.
-
Konzepte und Definitionen: Machine Learning, künstliche Intelligenz und Deep Learning
-
Von der Fragestellung zum einsatzbereiten ML-Modell
-
Python und Python-Tools für Machine Learning
-
Tensorflow und PyTorch für Deep Learning
-
Hyperparameter-Optimierung und Architektur-Design
-
Bilddaten, Zeitreihen und Texte mittels Deep Learning verarbeiten
-
MLOps: Produktionsreife Modelle in der AWS Cloud einsetzen
Zielgruppe
Die Serie richtet sich an Entwickelnde, sowie an Quereinsteigende, die sich für den praktischen Einsatz von künstlicher Intelligenz in ihrem Unternehmen interessieren.
Voraussetzungen
- Grundlegende Kenntnisse in objektorientierter Programmierung
- Optional sind Kenntnisse in Python und den Bibliotheken Numpy, Pandas, sowie erste Erfahrungen mit Jupyter Notebooks
Zur Workshop-Durchführung wird Zoom verwendet mittels eines DSGVO-konformen On-Premise-Connectors. Wir bitten Sie, ein Mikrofon oder Headset sowie einen aktuellen Browser zu nutzen.
Ablauf (für mehr Details auf die einzelnen Punkte klicken)
Dieser Workshop beinhaltet 5 Termine, die jeweils Donnerstags und Freitags von 09 - 13 Uhr stattfinden. Optional können Sie am darauffolgenden Dienstag an einer 30-minütigen Frage Session teilnehmen, in welcher Sie Fragen zu den Übungsaufgaben klären können.
Termine:
08.09. & 09.09.2022
15.09. & 16.09.2022
23.09. & 24.09.2022
30.09. & 01.10.2022
06.09. & 07.10.2022
Inhalte (für mehr Details auf die einzelnen Punkte klicken)
-
Woche 1 – Einstieg in künstliche Intelligenz, Machine Learning, Tech Stack
Erste eigene Schritte machen und verstehen, wie man Probleme und Fragestellungen als ML-Aufgabe formuliert
- Künstliche Intelligenz (KI)
- Machine Learning (ML)
- Entwicklungsprozess von Modellen für Machine Learning
- Python und der Scientific Stack (pandas, numpy, scikit-learn, xgboost, matplotlib, ...)
-
Woche 2 – Deep Learning
Die Grundlagen folgender Frameworks verstehen und selbständige damit arbeiten
- Grundlagen Deep Learning (DL)
- das quelloffene ML- Framework Tensorflow
- die ML-Bibliothek PyTorch für Tensorflow-Entwickelnde
- Hyperparameter-Optimierung und Architektur-Design
-
Woche 3 – Deep Learning für Computer Vision
Bilderverarbeitungsaufgaben verstehen, Lösungen implementieren und wichtige Tools anwenden
- Bildverarbeitungsgrundlagen und Kameratechnik
- Bildklassifizierung mit Convolutional Neural Networks (CNN)
- Objekterkennung und Segmentierung (YOLOv5, Mask R-CNN, Detectron2)
-
Woche 4 – Deep Learning für Sequenzdaten (Texte und Zeitreihen) und Einstieg in AWS für Machine Learning
Umgang mit Sequenzdaten lernen, wichtige Tools anwenden und ML in der AWS Cloud.
- Sequenz Verarbeitung mit Recurrent Neural Networks (RNN) und Transformern
- Textverarbeitung (Natural Language Processing – NLP) (spaCy, Hugging Face)
- Zeitreihen und Forecasting (Facebook Prophet)
AWS Einstieg (EC2, S3, Sagemaker) und Setup mit Visual Studio Code für ML
-
Woche 5 – Machine Learning in die Praxis bringen mit MLOps
Verstehen, wie man ML-Modelle produktionsreif macht und in AWS anwendet
- AWS Sagemaker (Training, Tracking, Deployment, Data Versioning, ...)
- MLFlow – Alternatives Open Source Model Tracking
- ONNX Runtime für plattformunabhängiges Deployment
Modell-Überwachung, Concept Drift und Erklärbarkeit (Seldon Alibi, Shap) - Spannende Trends (GANs, ...)
Trainer
Philipp Braunhart
Philipp Braunhart ist Data Scientist, Mitgründer von ingenio ai und studierter Physiker und IT-Ingenieur. Für und mit Kunden entwickelt er auf der Basis gängiger, skalierbarer Infrastruktur KI-Modelle für den direkten Einsatz in den Bereichen Bio-, Agrar- und Medizin-Technologie. Dabei steht immer der reale Nutzen im Fokus. Bei diesen Tätigkeiten helfen ihm seine Industrie-Erfahrungen von Siemens. Mit viel Freude gibt er sein Wissen weiter und begeistert andere für Machine Learning.
Moustapha Karaki
Moustapha Karaki ist Data Scientist, Mitgründer von ingenio ai und studierter Maschinenbauer und IT-Ingenieur. Er schätzt die enge und lösungsorientierte Zusammenarbeit mit Kunden, bei der er den realen Mehrwert immer im Blick hat. Dabei betrachtet er KI aus einer ganzheitlichen Perspektive und konzentriert sich daher auf End-to-End-KI-Lösungen und KI-Architektur. Derzeit unterstützt er KMUs in der Bio-, Agrar- und Medizinbranche bei ingenio ai und Großunternehmen in den Bereichen Automotive, Produktion und erneuerbare Energien bei IBM.
Leistungen Ihres Workshoptickets
- Workshopunterlagen
- Teilnahmebescheinigung
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.
Jetzt Tickets buchen
10% Frühbucherrabatt bis 4 Wochen vor Veranstaltungsbeginn
Bitte nutzen Sie für den Ticketkauf eine E-Mail-Adresse, auf die Sie freien Zugriff haben.
* Preise beinhalten 19% Mehrwertsteuer.
Haben Sie Fragen zur Organisation oder der Veranstaltung? Gern beantworte ich Ihre Fragen per E-Mail.
Jennifer Rypalla
Projektmanagerin Workshops