Course Overview
Deep Learning Algorithmen finden bereits in unterschiedlichen Wirtschaftsbereichen und im Alltag Anwendung, zum Beispiel im Bereich autonomes Fahren, Sprach- und Texterkennung, optische Fehlererkennung sowie Online-Produktempfehlungen. Sie sind aktuell die bedeutendste und stärkste Algorithmusklasse im Bereich Machine Learning. Es sind bereits zahlreiche Frameworks zur Umsetzung und Arbeit mit Neuronalen Netzen auf dem Markt verfügbar, mit denen Anwendern die Analyse von Daten mittels Deep Learning erleichtert wird. Keras (TensorFlow) ist aktuell das beliebteste Framework in der europäischen Industrie, da es sich durch seine Einfachheit und Mächtigkeit auszeichnet. Die dahinterstehende Open Source Community entwickelt das Framework stetig weiter und ermöglicht somit immer größere Möglichkeiten der Nutzbarkeit für Unternehmen.
In diesem Zertifikatslehrgang erhalten die Teilnehmer eine umfassende Einführung in die praktische Anwendung von Deep Learning im Bereich Bild-, Text- und Zeitreihendaten. Der Lehrgang orientiert sich dabei auf die Schwerpunkte Datenaufbereitung, Überwachung vom Training und dem finalen Deployment (Einsatz/ Übertragung). Er ist sehr praktisch orientiert, sodass die Teilnehmer während des Lehrgangs selbst programmieren und Deep Learning Algorithmen auf einer eigenen GPU trainieren. Am Ende des Lehrgangs sind die Teilnehmer in der Lage, selbstständig Deep Learning Anwendungen auf Daten Ihres Unternehmens zu trainieren und zu testen, um somit neue Wertschöpfungspotentiale zu generieren.
Der Lehrgang richtet sich an Interessenten, die einen kompakten und praxisorientierten Einstieg in die unmittelbare Anwendung von Deep Learning Algorithmen erhalten möchten, insbesondere angehende Data Scientists, Data Engineers, Data Analysts, Business Intelligence Analysts, angehende Machine Learning (ML) Engineers, DL/ML Entwicklungsingenieure, Medizintechniker, Informatiker, Softwareentwickler im autonomen Fahren, Applied DL/ML Engineer (Perception/DL).
Who should attend
Der berufsbegleitende Zertifikatslehrgang zum Deep Learning Engineer richtet sich an Teilnehmer, welche einen kompakten und praxisorientierten Einstieg in die konkrete Anwendung von Deep Learning Algorithmen erhalten möchten. Zur Zielgruppe gehören u.a. Data Scientists, Data Engineers, Data Analysts, Business Intelligence Analysts, angehende Machine Learning (ML) Engineers, DL/ML Entwicklungsingenieure, Medizintechniker, Informatiker, Softwareentwickler im autonomen Fahren, Applied DL/ML Engineer, (Perception/DL) Research Engineers. Teilnehmer sind nach dem Lehrgang in der Lage, eigenständig Deep Learning Algorithmen auf Projekte und Business Cases zu übertragen.
Voraussetzung für die Teilnahme: Bitte beachten Sie, dass dieser Lehrgang kein Anfängerkurs ist. Es steht das konkrete Programmieren und Umsetzen von Deep Learning Anwendungen im Vordergrund. Hierbei werden, wenn notwendig, auch (mathematische) Grundlagen erklärt. Für den Lehrgang benötigen Teilnehmer erste Erfahrung in Python bzw. die Beherrschung einer anderen Programmiersprache. Notwendig sind neben den Programmierkenntnissen grundlegende Vorkenntnisse im Bereich der Statistik, Begriffsdefinitionen wie bspw. Mittelwert, Median, Standardabweichung, Normalverteilung) und Kenntnisse grundlegender mathematischer Symbole und Begriffe (Summenzeichen, Integral, Funktion, Ableitung, Menge der natürlichen und reellen Zahlen, Vektor, Matrix). Das Grundverständnis von Matrizen und Vektoren und deren Berechnung wird bei einigen Kapiteln vorausgesetzt.
Voraussetzung für den Erhalt des Zertifikats ist die Bearbeitung unterschiedlicher Aufgaben zwischen den Modulen 3 und 4. Die Aufgaben werden im Rahmen von Q&A Sessions ausführlich ausgewertet und diskutiert.
Course Objectives
- Der Lehrgang bietet einen optimalen Mix aus Theorie und Praxis. Durch das erlernte Wissen mit Keras sind Teilnehmer anschließend in der Lage, selbstständig Deep Learning-Anwendungen zu trainieren.
- Teilnehmer wird aufgezeigt, wie sie potenzielle Anwendungsfälle Im Unternehmenskontext detektieren und als Projekte initiieren.
- Jeder Teilnehmer erhält eine eigens eingerichtete state of the art NVIDIA GPU in der Cloud und lernt so unmittelbar, was beim Trainieren auf einer GPU beachten werden muss. Zwischen allen Modulen sind 100h an GPU Übungszeit inklusive.
- Die Referenten stehen den Teilnehmern auch zwischen den Modulen bei konkreten Fragestellungen zur Verfügung (Q&A Sessions).
- Die Teilnehmer lernen von Top-Referenten aus Wirtschaft und Forschung mit langjähriger Berufserfahrung im Bereich KI und Data Analytics.
Course Content
- Der berufsbegleitende Zertifikatslehrgang setzt sich aus vier Modulen (8 Schulungstagen) zusammen und wird durch Selbstlernphasen (ca. 4-6h) ergänzt, bei denen die Teilnehmer mit praktischen Übungen zwischen jedem Modul arbeiten.
- Die Teilnehmer lernen modulübergreifend häufig verwendete Neuronale Netzwerkstrukturen in der Theorie kennen (u.a. Multi Layer Perceptron (MLP), Convolutional Neural Network (CNN), Recurrent Neural Network (RNN), Long Short Term Memory (LSTM), Gated Recurrent Unit (GRU)) und setzen diese hands-on mit Keras (Tensorflow) in Python auf einer eigenen state of the art GPU (Graphics Processing Unit) in der Cloud um.
- In verschiedenen Anwendungsszenarien (z.B. Objektdetektion mit Bounding Boxes, Semantische Segmentierung, Bild-Klassifizierung, Text Sentiment Analysis, Predictive Maintenance) mit verschiedenen Datensätzen werden Teilnehmer unterschiedliche Neuronale Netze umsetzen, trainieren und deren Leistungsfähigkeit kennenlernen. Dabei werden typische Fragestellungen und praktische Handlungsempfehlungen diskutiert (u.a. Regularisierung während des Trainings, Dropout, Keras Callbacks, Data Augmentation, Fine Tuning).
- Im Deployment lernen die Teilnehmer schließlich, wie Sie Ihre Ergebnisse Kollegen aus IT-fernen Fachbereichen mittels einer Web App zur Verfügung stellen können. Das ist ein unmittelbarer Mehrwert des Lehrgangs, denn der Wissenstransfer ins eigene Unternehmen und unternehmensbezogene Prozesse und Projekte sind ein zentraler Schwerpunkt.
- Zwischen den Modulen werden Aufgaben zur Bearbeitung gestellt. Hierbei können die Teilnehmer das Erlernte direkt vertiefen und selbstständig auch auf ihre eigenen Fragestellungen übertragen. Zur Unterstützung besteht zwischen jedem Modul die Möglichkeit, in einer 90-minütigen Q&A Session offene Fragen mit den Dozenten zu diskutieren. Dabei besteht über den gesamten Lehrgang hinweg auch die Möglichkeit, direkt mit den Dozenten im Austausch zu stehen.
German