SEMINAR
W-3410
Python
5 Tage
Standorte
Termine
Deep Learning mit Python und Pytorch
Kein Badge verfügbar.
Ihr Seminar buchen
Seminarinhalte
Ziele
Diese Weiterbildung vermittelt die zentralen Grundlagen, die für den Einstieg in die Arbeit mit modernen Machine-Learning-Verfahren notwendig sind. Im Mittelpunkt steht das Verständnis von Python und Numpy, um eigene Algorithmen programmieren und nachvollziehen zu können. Der Kurs ist praxisnah gestaltet: Inhalte, die für den Bereich Deep Learning unmittelbar relevant sind, werden vertieft behandelt, während weniger passende Themen wie GUI-Programmierung oder Webentwicklung bewusst ausgeklammert bleiben.
Teilnehmende entwickeln Schritt für Schritt ein Verständnis dafür, wie Deep-Learning-Modelle aufgebaut und eingesetzt werden können. Zudem erfolgt eine fundierte Einführung in das Framework PyTorch, das in Forschung und Praxis weit verbreitet ist. So entsteht eine solide Grundlage, auf der sich künftige Erfahrungen und weiterführende Spezialisierungen im Feld des Deep Learning erfolgreich aufbauen lassen.
Inhalte
Grundlagen und Einführung
- Ursprung und Entwicklungsgeschichte von Python
- Aktuelle Einsatzgebiete der Sprache
- Installation und Einrichtung
- Unterstützung durch Entwicklungsumgebungen (z. B. Visual Studio Code, PyCharm)
- Arbeiten mit Jupyter Notebooks
- Cloud-basierte Umgebungen: Google Colab, AWS Sagemaker
- Erste praktische Tour durch die Sprache
Zentrale Sprachkonzepte
- Überblick über Datentypen
- Kontrollstrukturen zur Ablaufsteuerung
- Funktionen und anonyme Lambda-Funktionen
- Klassen, Objekte und deren Verwendung
- Konzepte der Vererbung
- Fehler- und Ausnahmebehandlung
- Nutzung von Modulen
- Standardbausteine wie Dateioperationen, reguläre Ausdrücke u. a.
Numpy und weitere Bibliotheken
- Typische Anwendungsfelder
- Datentypen in Numpy
- Grundlegende Operationen
- Indizierung und Zugriffstechniken
- Broadcasting-Mechanismen
- Datenvisualisierung mit Matplotlib
- Einführung in Pandas und Seaborn
Lineare und logistische Regression
- Beschreibung der Problemstellung
- Umsetzung mit Python und Numpy
- Mathematischer Hintergrund
- Gradient Descent: Intuition und Herleitung
- Verlustfunktionen und deren mathematische Diskussion
- Erweiterung zur logistischen Regression für Klassifikationsaufgaben
Arbeiten mit PyTorch
- Entwicklungsgeschichte des Frameworks
- Tensoren als Basiselement und Operationen darauf
- Dimensionierung und deren Bedeutung im Detail
- Umsetzung linearer und logistischer Regression in PyTorch
- Umgang mit Dataset und DataLoader
- Verwendung gängiger Standarddatensätze (z. B. MNIST, FashionMNIST)
- Aufbau von Multi-Layer-Perceptrons
- Nutzung von nn.Module als zentrale Bausteine
- Auswahl und Einsatz von Lossfunktionen und Optimierern
- Struktur einer Trainingsschleife mit Validation Set
- Durchführung von Vorhersagen (Prediction)
Badge
Kein Badge verfügbar.
Vorkenntnisse
Die Voraussetzung zur Teilnahme sind ein grundlegendes mathematisches Verständnis sowie Kenntnisse in objektorientierter und funktionaler Programmierung. Zusätzlich werden Erfahrungen in mindestens einer Programmiersprache wie JavaScript, Java, C# oder C++ erwartet.
Zielgruppe
Methoden
KONTAKT
Martin Heubeck
Sales Gruppenseminare und Inhouse
Mo – Fr 8:00 – 17:00 Uhr
E-Mail senden
+49 891 22216949
+49 800 3060303
JETZT UNVERBINDLICHEN BERATUNGSTERMIN BUCHEN
„Im Beratungsprozess lege ich besonderen Wert darauf, die besonderen Bedürfnisse und Ziele Ihres Unternehmens genau zu verstehen. Gemeinsam mit Ihnen entwickle ich passgenaue Lösungen, die sowohl fachliche Anforderungen erfüllen als auch die persönliche Weiterentwicklung der Mitarbeitenden fördern – immer praxisnah und auf Augenhöhe.“
Seien Sie nicht nur am Ergebnis orientiert. Sondern auch am Erlebnis.
