Deep Learning mit PyTorch beherrschen: Von den Grundlagen bis zu modernsten Modellen
Wann und wo?
Die Veranstaltung findet in meinen Räumlichkeiten in Hamburg statt.
Termin
Montag, 24.04.2023 – Freitag, 28.04.2023
jeweils von 9:00 – 17:00
Standort
Redderblock 28
22145 Hamburg
Über die Veranstaltung
Dieser Kurs ist als Präsenzschulung konzipiert, kann aber auch aus der Ferne besucht werden.
Dieser 5-tägige Workshop ist für Sie geeignet, wenn
- Sie in Ihre Karriere investieren wollen
- Sie Ihr Unternehmen durch den Einsatz neuester Techniken voranbringen wollen
- Sie Deep Learning Modelle verstehen und selbst entwickeln wollen
Am Ende unseres Workshops
- verstehen Sie die zugrunde liegenden Konzepte
- sind Sie in der Lage, neuronale Netze einfach zu implementieren
- können Sie diese Techniken an Ihre eigenen Geschäftsprobleme anpassen
Allgemeine Informationen zur Veranstaltung
- maximal 10 Teilnehmer
- Die Veranstaltung wird in Hamburg stattfinden (der genaue Ort kann sich je nach Teilnehmerzahl ändern). Die Kurssprache ist Deutsch.
Über Mich
Mein Name ist Bert Gollnick. Als erfahrener Data Scientist und IT-Trainer weiß ich, wie wichtig es ist, mit den neuesten Technologien auf dem Laufenden zu bleiben. Daher versuche ich ständig, neue Fähigkeiten zu erlernen.
Täglich arbeite ich mit Python, R, SQL, Flutter, HTML, Git und vielem mehr. Ich biete auch Online-Kurse auf Udemy.com an. Mein Udemy-Kurs über PyTorch hat die höchste Bewertung von allen PyTorch-Kursen.
Voraussetzungen
- Sie haben einige Python-Kenntnisse (z.B. wissen Sie, wie man mit numpy und pandas arbeitet, und sind mit Klassen vertraut)
- Sie bringen Ihren eigenen Computer mit (wir werden alle benötigten Programme während der Veranstaltung installieren)
Kursinhalt
PyTorch ist ein Python-Framework, das ursprünglich von Facebook (heute Meta) entwickelt wurde, um Deep Learning-Modelle zu entwickeln und einzusetzen. Es ist heutzutage das beliebteste Deep Learning Framework.
In diesem Kurs lernen Sie alles, was für die Entwicklung und Anwendung von Deep Learning-Modellen auf Ihre eigenen Daten notwendig ist. Alle relevanten Bereiche wie Regression, Klassifikation, CNNs, RNNs, GANs und viele mehr werden behandelt. Darüber hinaus werden die neuesten Modelle und Architekturen wie Transformers, YOLOv7 oder ChatGPT vorgestellt.
Es ist mir wichtig, dass Sie sowohl die zugrundeliegenden Konzepte als auch die Implementierung der Techniken lernen.
Einführung in Deep Learning
- Verständnis auf hohem Niveau
- Perceptrons
- Schichten
- Aktivierungsfunktionen
- Verlustfunktionen
- Optimierer
Umgang mit Tensoren
- Erstellung und Eigenschaften von Tensoren
- Automatische Gradientenberechnung (autograd)
Modellierung – Einführung
- Lineare Regression von Grund auf
- PyTorch-Modelltraining verstehen
- Batches
- Datasets und Dataloader
- Hyperparameter-Tuning
- Speichern und Laden von Modellen
Klassifizierungsmodelle
- Multilabel Klassifizierung
- Multiclass Klassifizierung
Convolutional Neural Networks
- CNN Theorie
- Entwicklung eines Bildklassifizierungsmodells
- Berechnung von Layer Dimensionen
- Bildtransformationen
- Audio Classifizierung mit torchaudio und Spektrogrammen
Objekterkennung
- Theorie der Objekterkennung
- Entwicklung eines Objekterkennungsmodells
- YOLOv7, YOLOv8
- Faster RCNN
Stilübertragung
- Theorie der Stilübertragung
- Entwicklung eines eigenen Stilübertragungsmodells
Vortrainierte Modelle und Transferlernen
- Recurrent Neural Network Theory
- Entwicklung eines LSTM Modells
Autoencoders
Transformers
- Einführung in Transformer, inklusive Vision Transformers (ViT)
- Anpassung eines ViT an einen eigenen Datensatz
Generative Adversarial Networks
Verschiedenes
- ChatGPT
- ResNet
- Extreme Learning Machine (ELM)
Fragen
Bei weiteren Fragen stehe ich sehr gern zur Verfügung. Sie können mich über folgenden Kanäle erreichen.
Tel: +49 40 180 787 96