Deep Learning mit Python und Keras
Neuronale Netze effizient trainieren
Deep Learning mit Python und Keras
Peter Steigmann
"Mein Motto als erfolgreicher IT-Trainer: Wissen teilen, Menschen befähigen, Begeisterung entfachen!"
Peter Steigmann, Diplom-Betriebswirt (FH), ist seit mehr als 20 Jahren Experte für IT-Fortbildung. Wichtig ist ihm in seinen Seminaren, maßgeschneidert auf die Wünsche der Teilnehmenden einzugehen. Sein Fachwissen, seine Begeisterung für IT-Themen und sein pädagogisches Geschick haben viele Kunden aus Automotive, Pharma, Kredit, Versicherung und Behörden beeindruckt, darunter Fraunhofer Institute, Boehringer Ingelheim Pharma, Sparkassen, Bundesbank und RKI. Von Teilnehmenden hervorgehoben werden seine praxisnahen Übungen, interaktiven Lernmethoden und die individuelle Betreuung der Teilnehmer.
Keras ist eine Open Source Deep-Learning-Bibliothek, die in Python geschrieben ist. Keras bietet eine einheitliche Schnittstelle für verschiedene Backends, darunter TensorFlow. Das Ziel von Keras ist es, die Anwendung dieser Bibliotheken so einsteiger- und nutzerfreundlich wie möglich zu machen.
Keras eignet sich besonders zur schnellen Implementierung neuronaler Netze und ermöglicht effizientes und einfaches Prototyping von neuronalen Netzen bei gleichzeitig großer Bedienerfreundlichkeit.
Ziel der Weiterbildung
Sie können nach dem Training eigenständig Neuronale Netze entwerfen und trainieren. Python-, Statistik- und mathematische Kenntnisse werden vorausgesetzt. Sie üben das Erlernte in zahlreichen Praxisbeispielen und Sie können auch eigene Beispiele aus Ihrer beruflichen Praxis mitbringen. Als Programmieroberfläche wird Jupyter Notebook genutzt.
Montag, 2. bis Mittwoch, 4. Juni 2025
9.00 bis 16.30 Uhr, inkl. Pausen
Deep Learning, Maschine Learning, künstliche Intelligenz: eine Begriffsbestimmung
Funktionsweise neuronaler Netze
Neuronale Netze mit Keras
- Aufbau, Layer, Modelle
- Datenvorbereitung
- Klassifizierung und Mehrfachklassifizierung
- Keras und Tensorflow
- Modellauswahl
- Grundlagen des Lernprozesses
Arbeiten mit convolutionalen neuronalen Netzwerken (CNN), maschinelles Sehen
- Wie arbeiten convolutionale Netze?
- Datenvorbereitung, Datenaugmentation
- Verwenden vortrainierter CNNs
- Merkmalsextraktion und Feinabstimmung
Arbeiten mit rekurrenten neuronalen Netzwerken (RNN), sequenzielle Daten
- Rekurrente Layer in Keras
- Sequenzdaten mit SimpleRNN und LSTM (Long Short-Term Memory) verarbeiten
- LSTM und GRU Layer
- Rekurrentes Dropout Verfahren
Feature Extraction: Numerische Daten, Bild und Text-Daten vorbereiten
- Datenrepräsentation: Skalare, Vektoren und Matrizen
- Daten einlesen, vorbereiten und beschreiben mit Pandas
- Visualisierung der Daten mit Matplotlib
- Verarbeitung qualitativer Merkmale (One-hot Kodierung)
- Standardisierung von Daten
- Dimensionen von Daten reduzieren
- Principle Component Analysis (PCA)
- Bilddateien transformieren
- Textdaten vorbereiten: Vectorizer, Worteinbettungen
Fallbeispiel zur Wiederholung des Gelernten
Das Expertentraining wendet sich an Fachkräfte, die sich professionell mit dem Thema Deep/Maschine Learning beschäftigen wollen und dazu die in Python geschriebene Bibliothek Keras nutzen. Im Training wird ein umfassender Überblick über Neuronale Netze und Deep Learning Algorithmen mit Keras vermittelt.
Peter Steigmann
ONLINE
Die Teilnahme beinhaltet ausführliche Unterlagen.
Preis:
Die Teilnahmegebühr beträgt:
1.550,00 €
(MwSt.-frei)
Fördermöglichkeiten:
Für den aktuellen Veranstaltungstermin steht Ihnen die ESF-Fachkursförderung mit bis zu 70 % Zuschuss zu Ihrer Teilnahmegebühr zur Verfügung (solange das Fördervolumen noch nicht ausgeschöpft ist).
Für alle weiteren Termine erkundigen Sie sich bitte vorab bei unserer Anmeldung.
Weitere Bundesland-spezifische Fördermöglichkeiten finden Sie hier.
Inhouse Durchführung:
Sie möchten diese Veranstaltung firmenintern bei Ihnen vor Ort durchführen? Dann fragen Sie jetzt ein individuelles Inhouse-Training an.
Bewertungen unserer Teilnehmer
Dies könnte Sie auch interessieren:
Fragen zur Veranstaltung?
Ihr Ansprechpartner für die Veranstaltung
Hier finden Sie eine Übersicht aller Rezensionen .