DEEP LEARNING INTENSIV WORKSHOP


1. Tag

Python & Deep Learning 

Der erste Tag ist in zwei Hälften gegliedert. In der ersten Hälfte des Tages beschäftigen wir uns mit den Grundlagen des Deep Learning und der dafür verwendeten Programmiersprache Python. Das Seminar setzt keine Kenntnisse im Bereich DeepLearning oder Python voraus. Die einzige Voraussetzung zur Teilnahme sind Kenntnisse in der Programmierung in einer beliebigen Sprache. Da Deep Learning in der Regel mit wenig Code für ein konkretes Problem auskommt, müssen hier keine komplizierten Paradigmen von Python gelernt werden. Der Fokus liegt darauf die Syntax von Python kennen zu lernen und bereits bekannte Konstrukte aus anderen Sprachen wie bedingte Verzweigungen, Schleifen, Arrays, Funktionen o.ä. in Python anwenden zu können. Nach dem Python Intro werden wir uns mit den Grundlagen des Deep Learning beschäftigen. Konkret heißt das, dass wir uns künstliche neuronale Netze im Detail anschauen. Dabei beantworten wir Fragen wie: 


  • Wie sind neuronale Netze aufgebaut?
  • Wie berechnen neuronale Netze ihre Vorhersagen? 
  • Wie trainiert man neuronale Netze?
  • Welche Beispiele gibt es für neuronale Netze?

  • Grundlagen Python

  • Architektur neuronaler Netze

  • Berechnung von neuronalen Netzen

  • Training von neuronalen Netzen

  • Grundlagen binäre Klassifikation

Darauf aufbauend starten wir dann die zweite Hälfte des Tages mit ersten praktischen Übungen im Bereich Deep Learning. Diese Übungen beziehen sich thematisch auf Klassifikationsprobleme. Das Thema Klassifikation wird am zweiten und dritten Tag weitergeführt und gefestigt. Alle Übungen finden mit dem Framework TensorFlow von Google statt oder verwenden TensorFlow intern. Dieses Framework hat sich über die Jahre stark etabliert und findet in etlichen Projekten Anwendung. Klassifizierungsprobleme sind beispielsweise Bildklassifikation, Textklassifikation oder Betrugserkennung. Beispiele für diese Arten von Klassifikation könnten sein:

Bild-Klassifikation:
- Ist auf einem Bild Krebs zu sehen? 
- Welche Hunderasse ist auf einem Bild zu sehen? 

Text-Klassifikation:
- Ist ein Text sachlich oder unsachlich?
- Ist eine Bewertung positiv oder negativ

Betrugserkennung in Shopsystemen

2. Tag

Daten Preprocessing und Klassifikation 

Der zweite Tag behandelt die Vorverarbeitung von Daten. Dies ist immer eine Voraussetzung für Deep Learning. Nachdem wir uns am ersten Tag der Frage gewidmet haben wie neuronale Netze ihre Daten erwarten, kümmern wir uns am zweiten Tag darum wie man Daten in eine Form bekommt, sodass neuronale Netze diese verarbeiten können.Des weiteren beschäftigen wir uns mit weiteren Klassifikationsproblemen wie der Multi-Klassifikation. Ein weiteres Thema für diesen Tag werden Optimierungsmöglichkeiten wie verschiedene Aktivierungsfunktionen sein. Am Ende des Tages gibt es eine Challenge, die die Teilnehmer selbst lösen dürfen. Diese Lösungen werden dann am dritten Tag durchgesprochen und eventuelle Probleme nochmal aufgearbeitet. 

  • Preprocessing von Rohdaten

  • Entwicklung von neuronalen Netzen mit TensorFlow

  • Multi-Klassifikation

  • Aktivierungsfunktionen

  • Optimierungsmöglichkeiten

  • Mini-Challenge neuronale Netze

3. Tag

Fortgeschrittene neuronale Netze mit Ludwig

Zur Vereinfachung der Entwicklung von neuronalen Netzen beschäftigen wir uns an diesem Tag mit einem Framework namens Ludwig, welches von Uber entwickelt worden ist, selbst auf TensorFlow aufsetzt und sich hervorragend zum schnellen Prototyping von Netz-Architekturen eignet. Es ermöglicht eine Vielzahl von verschiedenen Architekturen auf derselben Basis. 


Die Architektur neuronaler Netze wird hierbei per Konfigurationsdatei erstellt.Das Training sowie die Vorhersagen können daraufhin per CLI oder API in Python durchgeführt werden. Dies eröffnet uns eine große Bandbreite an Möglichkeiten bei geringem Lernaufwand. Die gelernten Konzepte in Ludwig bleiben trotz der Nutzung des Tools für die Praxis relevant, selbst wenn man Ludwig nicht verwendet und können auf andere Frameworks übertragen werden. 

  • Umgang mit Ludwig (Netzarchitektur, Training von NN, Predictions)

  • Besprechung der Mini-Challenge

  • Vertiefung Klassifikationsprobleme

  • Individuelle Challenge auf Basis der Teilnehmer-Präferenz

FEEDBACK VON TEILNEHMERN

Erkenntnisreicher Workshop 

Vielen Dank Friedrich und Nino für den hervorragenden 3 tägigen Intensiv-Workshop!

Ich konnte viel mitnehmen

Obwohl ich bereits im Thema war, konnte ich trotzdem noch sehr viel mitnehmen.

EARLY BIRD | DEEP LEARNING WORKSHOP 24.02 - 26.02 2020
€2.000,00€1.549,00
exklusiv MwSt.