Einführung in Python für Deep Learning

Seminarinformationen

Seminar - Ziel

In dieser 5-tägigen Schulung "Einführung in Python für Deep Learning" lernen Sie die wesentlichen Grundlagen. Der Fokus der Schulung liegt auf dem Erwerb grundlegender Kenntnisse in Python und Numpy. Diese Kenntnisse ermöglichen es Ihnen, einfache Machine Learning-Algorithmen eigenständig zu implementieren. Ein besonderes Augenmerk wird auf den praktischen Einsatz im Bereich Deep Learning gelegt, wobei gezielt Aspekte ausgeklammert werden, die in diesem Kontext weniger relevant sind, wie beispielsweise die Erstellung von GUIs mit Tkinter oder Webentwicklung.

Nach Abschluss der Schulung werden Sie mit den Grundlagen des Deep Learning vertraut sein und ein erstes Verständnis für das weitverbreitete Framework Pytorch erworben haben. Dies legt den Grundstein für einen gelungenen Einstieg in die Welt des Deep Learning und bildet eine solide Basis für zukünftige vertiefte Erfahrungen in diesem faszinierenden Bereich.

Teilnehmer - Zielgruppe

  • Entwickler

Python wird hier von Grund auf vorgestellt, doch strebt der Kurs schnell anspruchsvolle Konzepte an, so dass er nicht als allgemeiner Einstiegskurs in die Programmierung geeignet ist.

Kurs - Voraussetzungen

  • Mathematisches Grundverständnis, objektorientierte und funktionale Programmierung
  • Kenntnisse in einer Programmiersprache wie Javascript, Java, C#, C++.

Seminardauer

  • 5 Tage
  • 09:00 Uhr bis 17:00 Uhr

Schulungsunterlagen

  • nach Absprache

Seminar-Inhalt / Agenda

Hintergrund

  • Historische Entwicklung von Python
  • Heutige Anwendungsbereiche
  • Installation
  • Unterstützung in IDEs (Visual Studio Code, Pycharm)
  • Jupyter Notebooks
  • Cloud Angebote: Google Colab, AWS Sagemaker
  • Kurze Tour durch die Sprache

Sprachkozepte

  • Datentypen
  • Kontrollstrukturen
  • Funktionen, Lambda Funktionen
  • Klassen und Objekte
  • Vererbung
  • Fehlerbehandlung
  • Module
  • Standardbausteine (Dateien, reguläre Ausdrücke, ...)

Numpy und andere Bibliotheken

  • Anwendungsbereich
  • Datentypen
  • Basisoperationen
  • Indizierung
  • Broadcasting
  • Visuelle Aufbereitung mit Matplotlib
  • Kurzvorstellung Pandas, Seaborn

Lineare Regression

  • Problemstellung
  • Implementierung mit Python und Numpy
  • Mathematischer Hintergrund
  • Gradient Descent, Intuition dahinter, Herleitung
  • Loss Funktionen mit mathematischer Diskussion
  • Variante Logistic Regression zur Klassifizierung

Pytorch

  • Historische Entwicklung
  • Tensor als Basistyp mit Operationen
  • Ausführiche Behandlung von Dimensionierung
  • Linear und Logistic Regression mit Pytorch
  • Data Set und DataLoader
  • Standarddatensätze wie MNIST, FashionMNIST
  • Multi Layer Perceptrons
  • nn.Module als Basisbaustein
  • Lossfunktionen und Optimizer
  • Trainingsschleife, Validation Set
  • Prediction

Weitere Schulungen zu Thema Python

Python-Kurs für Ingenieure

- u.a. in Nürnberg, Berlin, Stuttgart, München, Köln

Python eignet sich als Programmiersprache - wegen der hohen Zahl von technischen und wissenschaftlichen Modulen - perfekt für Wissenschaftler und Ingenieure. Des Weiteren eignet sich Phyton sowohl für kleine Rapid Prototypen und Skripte als auch für große Projekte, an denen ...

Python und XML

- u.a. in Nürnberg, Berlin, Stuttgart, München, Köln

Dieses Seminar beinhaltet sowohl eine Einführung in Python als auch in XML und zeigt Ihnen wie Sie XML-Dokumente mit Python verarbeiten können. Weitere Themen sind: DSD, XSLT, XML Schemata, XPath

Textverarbeitung und Textklassifikation mit Python

- u.a. in Stuttgart, Wien, Zürich, Darmstadt, Freiburg

In dieser 5-tägigen Schulung "Textverarbeitung und Textklassifikation mit Python" lernen Sie die vielfältigen Möglichkeiten kennen, die Python für die Verarbeitung und Klassifikation von Texten bietet. Der Kurs behandelt nicht nur die grundlegenden Konzepte der ...

Python und Bash

- u.a. in Leipzig, München, Zürich, Offenbach, Freiburg

In dieser 3-tägigen Schulung "Python und Bash" lernen Sie als Administrator, sowohl die Shellprogrammierung als auch das Erstellen von Skripten in Python. In der heutigen Zeit wird Python immer häufiger für die Bereitstellung von Werkzeugen eingesetzt, wie zum Beispiel bei ...