Fundamentals of Deep Learning (FDL)

 

Kursüberblick

Unternehmen weltweit nutzen künstliche Intelligenz, um ihre größten Herausforderungen zu lösen. Mediziner nutzen KI, um genauere und schnellere Diagnosen bei Patienten zu ermöglichen. Einzelhandelsunternehmen nutzen sie, um ihren Kunden ein personalisiertes Einkaufserlebnis zu bieten. Automobilhersteller nutzen sie, um persönliche Fahrzeuge, gemeinsame Mobilität und Lieferdienste sicherer und effizienter zu machen. Deep Learning ist ein leistungsfähiger KI-Ansatz, der mehrschichtige künstliche neuronale Netze verwendet, um bei Aufgaben wie Objekterkennung, Spracherkennung und Sprachübersetzung die höchste Genauigkeit zu erzielen. Mithilfe von Deep Learning können Computer Muster aus Daten lernen und erkennen, die für von Experten geschriebene Software als zu komplex oder zu subtil gelten.

In diesem Workshop lernen Sie anhand praktischer Übungen zum Thema Computer Vision und Verarbeitung natürlicher Sprache, wie Deep Learning funktioniert. Sie werden Deep-Learning-Modelle von Grund auf trainieren und dabei Tools und Tricks lernen, um hochpräzise Ergebnisse zu erzielen. Sie werden auch lernen, wie Sie frei verfügbare, hochmoderne vortrainierte Modelle nutzen können, um Zeit zu sparen und Ihre Deep-Learning-Anwendung schnell zum Laufen zu bringen.

Dieser Text wurde automatisiert übersetzt. Um den englischen Originaltext anzuzeigen, klicken Sie bitte hier.

Voraussetzungen

Ein Verständnis grundlegender Programmierkonzepte in Python 3, wie Funktionen, Schleifen, Dictionaries und Arrays; Vertrautheit mit Pandas-Datenstrukturen und ein Verständnis für die Berechnung einer Regressionslinie.

Kursziele

Durch die Teilnahme an diesem Workshop werden Sie:

  • Lernen Sie die grundlegenden Techniken und Werkzeuge kennen, die zum Trainieren eines Deep-Learning-Modells erforderlich sind.
  • Erfahrungen mit gängigen Deep-Learning-Datentypen und Modellarchitekturen zu sammeln
  • Anreicherung von Datensätzen durch Datenerweiterung zur Verbesserung der Modellgenauigkeit
  • Nutzung des Transfer-Lernens zwischen Modellen, um effiziente Ergebnisse mit weniger Daten und Berechnungen zu erzielen
  • Vertrauen aufbauen, um Ihr eigenes Projekt mit einem modernen Deep-Learning-Framework in Angriff zu nehmen

Weiterführende Kurse

Kursinhalt

Einführung
  • Treffen Sie den Ausbilder.
  • Erstellen Sie ein Konto unter courses.nvidia.com/join
Die Mechanik des Deep Learning

Erforschen Sie die grundlegenden Mechanismen und Werkzeuge für das erfolgreiche Training von tiefen neuronalen Netzen:

  • Trainieren Sie Ihr erstes Computer-Vision-Modell, um den Trainingsprozess zu erlernen.
  • Einführung von neuronalen Faltungsnetzen zur Verbesserung der Vorhersagegenauigkeit bei Bildverarbeitungsanwendungen.
  • Anwendung der Datenerweiterung zur Verbesserung eines Datensatzes und zur Verbesserung der Modellgeneralisierung.
Vortrainierte Modelle und rekurrente Netze

Nutzen Sie vortrainierte Modelle, um Herausforderungen im Bereich Deep Learning schnell zu lösen. Trainieren Sie rekurrente neuronale Netzwerke auf sequenziellen Daten:

  • Integrieren Sie ein vorab trainiertes Bildklassifizierungsmodell, um eine automatische Hundetür zu erstellen.
  • Nutzen Sie Transfer Learning, um eine personalisierte Hundetür zu erstellen, die nur Ihren Hund hereinlässt.
  • Trainieren Sie ein Modell zur automatischen Vervollständigung von Text auf der Grundlage von Schlagzeilen der New York Times.
Abschlussprojekt: Objektklassifizierung

Erstellen Sie mit Hilfe von Computer Vision ein Modell, das zwischen frischem und verdorbenem Obst unterscheidet:

  • Erstellen und trainieren Sie ein Modell, das Farbbilder interpretiert.
  • Erstellen Sie einen Datengenerator, um das Beste aus kleinen Datensätzen herauszuholen.
  • Verbessern Sie die Trainingsgeschwindigkeit durch die Kombination von Transferlernen und Merkmalsextraktion.
  • Erörterung fortgeschrittener neuronaler Netzarchitekturen und aktueller Forschungsbereiche, in denen die Studierenden ihre Fähigkeiten weiter verbessern können.
Abschließende Überprüfung
  • Besprechen Sie die wichtigsten Erkenntnisse und beantworten Sie Fragen.
  • Schließen Sie die Bewertung ab und erhalten Sie ein Zertifikat.
  • Füllen Sie die Workshop-Umfrage aus.
  • Erfahren Sie, wie Sie Ihre eigene Entwicklungsumgebung für KI-Anwendungen einrichten können.

Preise & Trainingsmethoden

Online Training

Dauer
1 Tag

Preis
  • 995,– €
Classroom Training

Dauer
1 Tag

Preis
  • Deutschland: 995,– €

Kurstermine

Instructor-led Online Training:   Kursdurchführung online im virtuellen Klassenraum.
FLEX Classroom Training (Hybrid-Kurs):   Kursteilnahme wahlweise vor Ort im Klassenraum oder online vom Arbeitsplatz oder von zu Hause aus.

Deutsch

Europäische Zeitzonen

Online Training
Klassenraum-Option: Frankfurt
Zeitzone: Mitteleuropäische Zeit (MEZ)
Online Training Zeitzone: Mitteleuropäische Sommerzeit (MESZ)
Online Training Zeitzone: Mitteleuropäische Sommerzeit (MESZ)
Online Training
Klassenraum-Option: Berlin
Zeitzone: Mitteleuropäische Sommerzeit (MESZ)
Online Training Zeitzone: Mitteleuropäische Sommerzeit (MESZ)
Online Training
Klassenraum-Option: Frankfurt
Zeitzone: Mitteleuropäische Zeit (MEZ)
FLEX Classroom Training (Hybrid-Kurs):   Kursteilnahme wahlweise vor Ort im Klassenraum oder online vom Arbeitsplatz oder von zu Hause aus.

Deutschland

Frankfurt
Berlin
Frankfurt

Ist der für Sie passende Termin oder Ort nicht dabei? Wir bieten Ihnen noch weitere FLEX Trainingstermine an!