Schulungen

Wissen, das Sie persönlich weiterbringt, weil Sie es sofort anwenden können – das versprechen unsere neuesten Schulungen und Workshops.

Meet The Experts Data Driven Day

End-2-End vom Keras TensorFlow-Modell zur Produktion

Beschreibung:

Durch das stark wachsende Datenvolumen hat sich das Rollenverständnis von Data Scientists erweitert. Statt Machine-Learning-Modelle für einmalige Analysen zu erstellen,  wird häufiger in konkreten Entwicklungsprojekten gearbeitet, in denen Prototypen in produktive Anwendungen überführt werden.
Keras ist eine High-Level-Schnittstelle, die ein schnelles, einfaches und flexibles Prototypisieren von Neuronalen Netzwerken mit TensorFlow ermöglicht. Zusammen mit Luigi lassen sich beliebig komplexe Datenverarbeitungs-Workflows in Python erstellen. Das führt dazu, dass auch Nicht-Entwickler den End-2-End-Workflow des Keras-TensorFlow-Modells zur Produktionsreife leicht
implementieren können.

Schulungssprache

Deutsch oder Englisc, Trainingsmaterial auf Englisch

Termine und Ort

  • 22. - 23. 11.2018 - Berlin

Dauer in Tagen

2

Teilnahmegebühr

950,00 Euro zzgl. MwST.

Anmeldeformular


Teilnahmevoraussetzungen und Zielgruppe

Zielgruppe sind Entwickler, Data-Scientisten, Data Engineers und Data Analysts. Mitzubringen ist ein Notebook mit Adminrechten und vorinstalliertes Docker (sowie ausreichend freier Speicherplatz, ca. 3GB)

Trainer:

Shirin Glander

Shirin hat in der Bioinformatik promoviert. Sie wendet Analyse- & Visualisierungsmethoden verschiedenster Bereiche an – z.B. Machine Learning, klassische Statistik, Textanalyse, etc. – um Informationen aus Daten zugänglich und nutzbar zu machen.

Mark Keinhörster

Mark ist im Big-Data Zoo zu Hause und bringt Erfahrungen mit Hadoop und Apache Spark mit. Außerdem beschäftigt er sich mit Docker, Cloud-Technologien und Machine-Learning.

Inhalte:

Intro: Machine Learning
– Was ist Machine Learning
– Der typische ML-Workflow
– Was sind neuronale Netze?
– Jupyter Lab mit Python
– Eine Einführung in TensorFlow
– Keras als High-Level-API für TensorFlow

Praxisteil: Deep-Learning-Modelle mit Keras
– Datengeneratoren
– Datasets explorativ analysieren
– Hold-Out vs. Cross Validation

Praxisteil: Deep-Learning-Modelle mit Keras
– Feed-Forward-Netzarchitektur
– Convolutional Neural Networks als Deep-Learning-Ansatz
– Evaluation und Visualisierung des Modells

Pipelines mit Luigi
– Anforderungen an produktive Modelle
– Übersicht über Luigi und dessen Module
– Bau eines Beispiel-Workflows

Praxisteil: Den Keras-Workflow mit Luigi implementieren
– Einzelschritte als Tasks implementieren
– Export des Tensorflow-Modells aus Keras

Praxisteil: TensorFlow-Serving
– Übersicht über TensorFlow-Serving
– Ladestrategien konfigurieren
– Deployment des Modells