Schulungen

meet-the-experts-logo-weiss

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

Deep Learning mit Keras und TensorFlow

Beschreibung:

Keras ist eine High-Level-Schnittstelle (API), die ein schnelles, einfaches und flexibles Prototypisieren von (tiefen) Neuronalen Netzwerken mit TensorFlow, Theano und CNTK ermöglicht. Das Trainieren von tiefen Neuronalen Netzwerken – das sogenannte Deep Learning – ist ein Anwendungsfall von Big-Data-Analysen, denn sie erlauben es, hochkomplexe Probleme zu lösen. Klassische Aufgabengebiete sind Bilderkennung, Spracherkennung, Natural Language Processing etc.

Dieser eintägige Workshop umfasst einen kurzen theoretischen Teil zur Einführung von Neuronalen Netzwerken sowie einen ausführlichen praktischen Teil, in dem ein genereller Workflow zum Erstellen, Testen und Visualisieren von Neuronalen Netzwerken mit Keras und TensorFlow behandelt wird. Um gute Neuronale Netzwerke zu bauen, müssen die vorhandenen Daten zunächst verstanden und vorgearbeitet werden. Im nächsten Schritt werden die Daten in Trainings- und Testsets unterteilt, die dann zum Trainieren der Modelle und anschließendem Vorhersagen verwendet werden. Final wird die Modell-Performance bestimmt und bei Bedarf optimiert. Im praktischen Teil wird das Keras R Paket genutzt – ein Interface zu Keras, das es erlaubt, Keras Funktionalitäten zusammen mit R und RStudios Data Science und Visualisierungspaketen zu nutzen. Alle nötige Software kann entweder lokal installiert werden oder wird als Docker Image zur Verfügung gestellt.

Schulungssprache

Deutsch oder Englisch

Termine und Ort

  • auf Anfrage

Dauer in Tagen

1

Teilnahmegebühr

400 EUR zzgl. Mehrwertsteuer

Anmeldeformular


Teilnahmevoraussetzungen und Zielgruppe

Der Workshop richtet sich an Software-Entwickler und Data Scientists. Grundkenntnisse im Programmieren sollten vorhanden sein. Es sind keine Vorkenntnisse in R oder Machine Learning nötig.

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.

Inhalte:

  • Theoretische Einführung in die Grundlagen von Neuronalen Netzwerken und Deep Learning
  • Einführung in R
  • Neuronale Netzwerke mit R: ein genereller Workflow einschließlich Daten-Vorbereitung, Trainings- und Test-Split, Validierung, Evaluation von Modell-Performance und Visualisierung
  • Neuronale Netzwerke mit Keras und TensorFlow:
    • Lineare/sequenzielle Modelle
    • Convolutional Neuronal Networks zur Bilderkennung
    • Visualisierung mit TensorBoard
    • Vorhersagen von Testdaten
    • Modell-Performance
    • Modelle speichern und laden