Künstliche Intelligenz: umfassendes Seminar von Enable.ai (original) (raw)
Deep Learning, Neuronale Netze mit Python
Schulung der Grundlagen von Künstlicher Intelligenz (KI) mit Keras-Tensorflow
Dieser dreitägige Kurs
- Deep Learning für supervised und semi-supervised Anwendungsfälle
- Sie lernen die Neuronale Netzwerkarchitekturen Multi Layer Perceptron (MLP), Convolutional Neural Network (CNN) und die Modell Architektur SimCLR (Semi Supervised) kennen.
- Verwendet wird das Framework Tensorflow/Keras.
- Programmiererfahrung wird vorausgesetzt, idealerweise (aber nicht zwingend notwendig) in Python.
Dieser dreitägige Kurs
- Deep Learning für supervised und semi-supervised Anwendungsfälle
- Sie lernen die Neuronale Netzwerkarchitekturen Multi Layer Perceptron (MLP), Convolutional Neural Network (CNN) und die Modell Architektur SimCLR (Semi Supervised) kennen.
- Verwendet wird das Framework Tensorflow/Keras.
- Programmiererfahrung wird vorausgesetzt, idealerweise (aber nicht zwingend notwendig) in Python.
(*) zzgl. MwSt (**) inkl. MwSt
| Termin (3 Tage) | Ort | Belegung | Preise | |
|---|---|---|---|---|
| Mi 17.09 - Fr 19.09.25 | Live-Online Zoom Meeting |  |
1.850,00 € (*) 2.201,50 € (**) | BUCHEN |
| Mi 03.12 - Fr 05.12.25 | Live-Online Zoom Meeting | |
1.850,00 € (*) 2.201,50 € (**) | BUCHEN |
Dauer: nach Absprache
Termin: nach Absprache
Angepasster Kurs zum Wunschtermin
Bei Ihnen vor Ort oder Online
Preis: nach Angebot
Sprachen: Deutsch oder Englisch
Kurs auf einen Blick
Über die Schulung
- Dauer: 3 Tage
- Gruppengröße: 3-10
- Level: Anfänger mit Programmiererfahrung
- Anteil Coding: 60%
- Sprache: Python
- Bibliotheken: Keras, Tensorflow, matplotlib, numpy
- Skript: .pdf (Theorie, Aufgaben & Lösungen)
Ihr Trainer für den Kurs
Seminar auf einen Blick
- Multi-Layer-Perceptron (MLP)
- Convolutional Neural Network (CNN)
- Wichtige Layer: ReLU, Dense, Conv2D, Max-Pooling,..
- Trainingsüberwachung mit Keras Callbacks
- Overfitting & Trainings-, Test- und Validierungdaten
- Bildklassifizierung
- Semi Supervised Learning
- Daten einlesen mit TF.Data
- Netzwerke mit wenig Daten trainieren
- Vortrainierte Netzwerke verwenden (Fine-Tuning)
- Best practices
- Schulung mit GPUs + GPU Setup danach nutzbar
Beschreibung des Künstliche Intelligenz Seminar
Unser Kurs Deep Learning mit GPU Benutzung (jeder Teilnehmer rechnet auf einer eigenen high-performance GPU (NVIDIA Tesla P100) in der Cloud) bietet eine Einführung in Deep Learning (DL) Algorithmen mit Beispielen für Bilddaten und supervised und semi-supervised learning. Deep Learning Algorithmen sind derzeit eine der wichtigsten Algorithmusklasse des Maschinellen Lernens, einem Teilgebiet der Künstlichen Intelligenz (KI) und sind bereits in vielen Bereichen in unserem Alltag integriert. In der Schulung wird das Anlernen geeigneter Modelle behandelt, um diese für die Klassifikation oder Schätzung auf neue Daten zu verwenden.
Sie lernen Schritt für Schritt die wichtigsten Aspekte, um in Tensorflow / Keras Deep Learning Algorithmen programmieren zu können. Es wird die Datenaufbereitung und das sequentielle Einlesen von großen Datenmengen im Training behandelt, die Erstellung tiefer neuronaler Netze, die möglichen Konfigurationen für das Training und die Anwendung der trainierten Modelle auf neue Daten.
Im Seminar werden gängige Varianten von Deep Neural Networks und deren Bestandteile besprochen. Die Inhalte werden mit Folien und Flipchart erklärt und in Übungen umgesetzt und vertieft.
In der Industrie werden die behandelten Algorithmen u.a. in folgenden Bereichen eingesetzt:
- Erkennen von Symbolen (z.B. Zahlen und Buchstaben)
- Produktionsüberwachung (das visuelle Erkennen von Fehlern/Verschleiß bei Bauteilen)
- Textur-/Oberflächenanalyse,
- Das automatische Tagging von Bildern, z.B. zur Ermöglichung einer textuellen Bildsuche
Unser Kurs Deep Learning mit GPU Benutzung (jeder Teilnehmer rechnet auf einer eigenen high-performance GPU (NVIDIA Tesla P100) in der Cloud) bietet eine Einführung in Deep Learning (DL) Algorithmen mit Beispielen für Bilddaten und supervised und semi-supervised learning. Deep Learning Algorithmen sind derzeit eine der wichtigsten Algorithmusklasse des Maschinellen Lernens, einem Teilgebiet der Künstlichen Intelligenz (KI) und sind bereits in vielen Bereichen in unserem Alltag integriert. In der Schulung wird das Anlernen geeigneter Modelle behandelt, um diese für die Klassifikation oder Schätzung auf neue Daten zu verwenden.
Sie lernen Schritt für Schritt die wichtigsten Aspekte, um in Tensorflow / Keras Deep Learning Algorithmen programmieren zu können. Es wird die Datenaufbereitung und das sequentielle Einlesen von großen Datenmengen im Training behandelt, die Erstellung tiefer neuronaler Netze, die möglichen Konfigurationen für das Training und die Anwendung der trainierten Modelle auf neue Daten.
Im Seminar werden gängige Varianten von Deep Neural Networks und deren Bestandteile besprochen. Die Inhalte werden mit Folien und Flipchart erklärt und in Übungen umgesetzt und vertieft.
In der Industrie werden die behandelten Algorithmen u.a. in folgenden Bereichen eingesetzt:
- Erkennen von Symbolen (z.B. Zahlen und Buchstaben)
- Produktionsüberwachung (das visuelle Erkennen von Fehlern/Verschleiß bei Bauteilen)
- Textur-/Oberflächenanalyse,
- Das automatische Tagging von Bildern, z.B. zur Ermöglichung einer textuellen Bildsuche
Was lernen Sie in diesem Deep Learning Seminar?
Es werden die am häufigsten verwendeten Künstlichen Neuronalen Netze theoretisch behandelt und deren Bestandteile besprochen (u.a. Multi Layer Perceptron (MLP), Convolutional Neural Network (CNN), welche in der Praxis zur Verarbeitung von Bilddaten verwendet werden. Diese werdenin praktischen Übungen in Python mit den Framework Keras / Tensorflow mit high-performance GPUs umgesetzt. Sie lernen in diesem Tensorflow Workshop schrittweise die wichtigsten Aspekte für die Umsetzung mit der Deep-Learning Bibliothek Keras. Es wird die Datenaufbereitung und das sequentielle Einlesen von großen Datenmengen im Training behandelt, die Erstellung von Netzen, die möglichen Konfigurationen für das Training und die Anwendung der trainierten Modelle auf neuen Daten.
Python ist im Deep Learning die am häufigsten verwendete Sprache und Keras/ Tensorflow ist eine der beliebtesten Bibliotheken zur einfachen Umsetzung von Deep Learning Algorithmen.
Wir behandeln die Anwendungsfälle supervised Learning mit Bildern (Klassifikation) und Semi Supervised Training und Transferlearning bei wenigen Daten. Dabei werden wir die Leistungsfähigkeit der Algorithmen kennenlernen und typische Probleme während des Trainings und deren Lösungsmöglichkeiten (u.a. Regularisierung während des Trainings) behandeln.
Einfache Neuronale Netze mit verschiedenen Schichten (Layern) werden von den Teilnehmern in dieser Tensorflow Schulung entworfen und mit dem Framework Keras/ Tensorflow in der Programmiersprache Python in der Cloud mit Jupyter Notebooks umgesetzt und trainiert.
Es werden die Grundlagen vermittelt, so dass Sie nach dem Seminar Deep Learning Algorithmen der Künstlichen Intelligenz programmieren können, sich selbstständig weitere Anwendungsfälle im Deep Learning aneignen und das Gelernte auf eigene Problemstellungen anwenden können.
Es werden die am häufigsten verwendeten Künstlichen Neuronalen Netze theoretisch behandelt und deren Bestandteile besprochen (u.a. Multi Layer Perceptron (MLP), Convolutional Neural Network (CNN), welche in der Praxis zur Verarbeitung von Bilddaten verwendet werden. Diese werdenin praktischen Übungen in Python mit den Framework Keras / Tensorflow mit high-performance GPUs umgesetzt. Sie lernen in diesem Tensorflow Workshop schrittweise die wichtigsten Aspekte für die Umsetzung mit der Deep-Learning Bibliothek Keras. Es wird die Datenaufbereitung und das sequentielle Einlesen von großen Datenmengen im Training behandelt, die Erstellung von Netzen, die möglichen Konfigurationen für das Training und die Anwendung der trainierten Modelle auf neuen Daten.
Python ist im Deep Learning die am häufigsten verwendete Sprache und Keras/ Tensorflow ist eine der beliebtesten Bibliotheken zur einfachen Umsetzung von Deep Learning Algorithmen.
Wir behandeln die Anwendungsfälle supervised Learning mit Bildern (Klassifikation) und Semi Supervised Training und Transferlearning bei wenigen Daten. Dabei werden wir die Leistungsfähigkeit der Algorithmen kennenlernen und typische Probleme während des Trainings und deren Lösungsmöglichkeiten (u.a. Regularisierung während des Trainings) behandeln.
Einfache Neuronale Netze mit verschiedenen Schichten (Layern) werden von den Teilnehmern in dieser Tensorflow Schulung entworfen und mit dem Framework Keras/ Tensorflow in der Programmiersprache Python in der Cloud mit Jupyter Notebooks umgesetzt und trainiert.
Es werden die Grundlagen vermittelt, so dass Sie nach dem Seminar Deep Learning Algorithmen der Künstlichen Intelligenz programmieren können, sich selbstständig weitere Anwendungsfälle im Deep Learning aneignen und das Gelernte auf eigene Problemstellungen anwenden können.
Besonderheit dieses Deep Learning Training
Jeder Teilnehmer rechnet in der Cloud auf einer eigenen NVIDIA Tesla P100 GPU. Der Zugang erfolgt über den Webbrowser. So können typische Fragestellungen und Probleme, die in der realen, industriellen Umsetzung beim Rechnen mit GPUs auftreten, behandelt werden.
Vergleichen Sie unser Seminarangebot. Andere Deep Learning / Künstliche Intelligenz Seminare bieten gar keine oder nur low-performance GPUs für die Teilnehmer.
Damit Sie direkt nach dem Seminar mit Ihrer Deep Learning Anwendung experimentieren können und das Gelernte weiter vertiefen können, übertragen wir Ihnen das komplette Seminar-Setup kostenlos (europäischer GPU-Host, Datenspeicherung in Europa, Linux Server), wobei Sie zusätzlich noch eine Woche GPU-Rechenzeit für den Einstieg erhalten (Kostenlose Registrierung beim GPU-Host notwendig. Sie erhalten ein Startguthaben, das etwa 30 h GPU-Rechenzeit entspricht. Die genaue Zeit variiert nach aktueller Preislage des GPU-Anbieters.).
Jeder Teilnehmer rechnet in der Cloud auf einer eigenen NVIDIA Tesla P100 GPU. Der Zugang erfolgt über den Webbrowser. So können typische Fragestellungen und Probleme, die in der realen, industriellen Umsetzung beim Rechnen mit GPUs auftreten, behandelt werden.
Vergleichen Sie unser Seminarangebot. Andere Deep Learning / Künstliche Intelligenz Seminare bieten gar keine oder nur low-performance GPUs für die Teilnehmer.
Damit Sie direkt nach dem Seminar mit Ihrer Deep Learning Anwendung experimentieren können und das Gelernte weiter vertiefen können, übertragen wir Ihnen das komplette Seminar-Setup kostenlos (europäischer GPU-Host, Datenspeicherung in Europa, Linux Server), wobei Sie zusätzlich noch eine Woche GPU-Rechenzeit für den Einstieg erhalten (Kostenlose Registrierung beim GPU-Host notwendig. Sie erhalten ein Startguthaben, das etwa 30 h GPU-Rechenzeit entspricht. Die genaue Zeit variiert nach aktueller Preislage des GPU-Anbieters.).
Ich habe an einem einwöchigen Kurs über Deep Learning teilgenommen. Die Kursmaterialien sind sehr gut und vollständig ausgearbeitet. Außerdem haben das Skript und auch der Kurs insgesamt eine sehr gute Struktur. Der Tutor ist sehr engagiert …
Super Seminar ! (...) Die Inhalte waren sehr gut gegliedert und wurden absolut verständlich vermittelt. Insgesamt hat die Kombination aus theoretischen Inhalten und praktischen Übungen ein ganzheitliches Verständnis ermöglicht ...
Sehr gutes Verhältnis aus Information und Zeit, sehr gute persönliche Ansprache, sehr angenehmer Vortrag ohne viel Bla-Bla. Insgesamt absolut zufrieden.
Sehr hilfreicher Kurs um die praktischen basics von Künstlicher Intelligenz und neuronalen Netzwerken zu lernen. Theorie und Praxis in schneller Abwechslung um die gelernten Konzepte umzusetzen und zu üben ...
Ein toller Kurs, durchgeführt mit geballter Expertise und einer Engelsgeduld bei der Beantwortung von Fragen und Behebung von Problemen. Ich habe in diesen drei Tagen enorm viel gelernt, ...
Kursinhalte
Organisatorisches
FAQ
Begrüßung und Organisatorisches
- Vorstellungsrunde
- Erwartungen der Teilnehmer
- Jupyter Notebook
- Rechnen in der Cloud
09:15 – 10:45
Grundlagen von Maschinellem Lernen und Künstlicher Intelligenz (KI)
- Kurze Einführung und Geschichte des Deep Learning
- KI, Deep Learning und Machine Learning
- Beispiele von Deep Learning Algorithmen in heutigen Produkten
- Ein erstes einfaches Netz selbstständig mit Keras umsetzen und trainieren
11:00 – 12:30
Daten Vorbereitung
- Overfitting beim Trainieren von Machine Learning Algorithmen
- Train-Validation-Test Datensplit zur Detektion von Overfitting
- Datennormalisierung
- One-Hot encoding
- Anwendung auf den MNIST Datensatz
13:30 - 15:00
Multi-Layer-Perceptron (MLP) in Keras/Tensorflow (Neuronales Netz)
- Wichtige Bauteile eines MLPs: Perceptron, Gewichte, Bias
- Non-linearities (Aktivierungsfunktionen)
- Softmax bei Klassifizierungsaufgaben
15:15 – 17:00
Ein Netzwerk trainieren und auf neue Daten anwenden
- Verschiedene Loss-Funktionen
- Backpropagation: Trainieren von den Gewichten
- Initialisierung der Gewichte
- Epoche und Batch-Size
- Den Output während des Trainings interpretieren
- Das trainierte Netzwerk zur Vorhersage von neuen Daten verwenden
Rückblick und offene Fragen von Tag 1
09:15 – 10:45
Convolutional Neural Network (CNN) – Teil I
- Ein Convolution layer (Faltungsschicht)
- Filter
- Padding und Stride bei der Convolution
11:00 – 12:30
Convolutional Neural Network (CNN) – Teil II
- Anzahl an Channel und Filter in der Faltung
- Bias im CNN
- Max-Pooling Layer
- Was lernt ein CNN auf den unterschiedlichen Layern?
13:30 - 15:00
Keras Callbacks
- Einen Callback in Keras umsetzen
- Model Gewichte und Architektur speichern
- Early Stopping
- Learning Rate Scheduler
- MlFlow zur Visualisierung des Trainingsverlaufs
15:15 – 17:00
Klassifizierung von Bildern
- Softmax-Layer
- Cross-Entropy Loss
- Vorstellung bekannter Netzwerkarchitekturen: VGG-16 und AlexNet
- Regularisierungen: L2 Regularisierung, Drop-Out, Batch Normalisation
- Ein trainiertes Model laden
Rückblick und offene Fragen von Tag 2
09:15 – 10:45
Daten einlesen mit TF.Data
- typischer Datenworkflow mit tf.data
- Umgang mit großen Datensätzen
- Beschleunigung des Dateneinlesens
11:00 – 12:30
Semi Supervised Learning (SSL)
- SSL Learning Überblick
- Semi Supervised mit dem SimCLR Modell
- Erstellung eines Custom tf.keras Models
- contrastive loss
13:30 – 15:00
Best practices
- Wie geht man eine neue Deep Learning Aufgabe an?
- Hyperparameter Optimierung
- Model Optimierung (nach dem Training)
15:15 – 17:00
Fine-Tuning und pretrained networks
- Weitere bekannte Netzwerkarchitekturen: Inception-V3, ResNet,
- Code von (bereits trainierten) Netzwerken finden
- Vortrainierte Netzwerke für seine Aufgabe verwenden und nachtrainieren (Fine-Tuning, Transfer Learning)
Zielgruppe für diesen Kurs Künstliche Intelligenz
Diese Schulung bietet eine Einführung in Deep Learning / Künstliche Intelligenz und ist für Teilnehmer, die Neuronale Netze (Deep Learning Algorithmen) in Keras programmieren lernen möchten und einen Überblick über Möglichkeiten mit Keras zur Umsetzung von verschiedenen Neuronalen Netzwerken erhalten möchten.
Voraussetzungen für dieses Tensorflow Seminar
Gute Vorkenntnisse in einer anderen Programmiersprache oder erste Erfahrung mit Python werden für diese Künstliche Intelligenz Schulung vorausgesetzt. Erfahrung im Umgang mit Daten ist notwendig. Zusätzlich haben sich bisher diese Kenntnisse als hilfreich herausgestellt: Eine Funktion (in Python) schreiben, das Laden von Python-Bibliotheken, eine for-Schleife schreiben bzw. eine einfache Grafik mit Matplotlib zeichnen und Grundlagen in numpy.
Sehr zu empfehlen sind zudem Grundlagen im Bereich der Statistik (Median, Mittelwert, Standardabweichung, Normalverteilung), Kenntnisse mathematischer Symbole und Begriffe, wie das Summenzeichen, Integral, Funktion, Ableitung, Exponentialfunktion.
Die benutzte Programmieroberfläche im Seminar ist Jupyter Notebook, welche ohne Vorerfahrung benutzt werden kann.
Englischkenntnisse (lediglich im Verstehen von englischen Texten) sind sehr nützlich, da Python und die Internet-Dokumentationen auf Englisch sind. Daher sind auch die Folien im Kurs auf Englisch. Die Schulung selbst wird auf Deutsch gehalten.
Didaktischer Aufbau der Schulung
Dieser Künstliche Intelligenz Kurs ist sehr praxisorientiert. Die Konzepte werden in der Schulung mit Folien erläutert und an Beispielen verdeutlicht. In den Übungseinheiten der Schulung können die Teilnehmer mit der Programmiersprache Python in der Cloud mit Jupyter Notebooks das Erlernte umsetzen. Der Trainer unterstütz bei verschiedenen Aufgaben und begleitet bei Fragen.
Technik im Deep Learning Kurs
- Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mitzubringen. Ein Laptop mit GPU wird nicht benötigt.
- Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
- Sie sollten sich in firmenfremde WLAN-Netze registrieren können. Das Programmieren und das Trainieren der Algorithmen erfolgt auf GPUs in der Cloud, welche über eine URL direkt im Browser aufgerufen wird. Sie erhalten vor dem Seminar per E-Mail einen Link, um zu testen, ob Einstellungen den Zugriff auf die Cloud beeinträchtigen.
- Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit verwendete Dateien oder sonstige Unterlagen übertragen zu können.
- Im Seminar wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).
Gibt es ein Buch, welches den Kurs ergänzt?
Für das Seminar ist folgendes Buch als Ergänzung hilfreich:
Francois Chollet: Deep Learning with Python (2nd Edition).
Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen. Sie sollten lediglich darauf achten, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.
In welchen Städten wird das Seminar angeboten?
Wir bieten den Kurs in folgender Stadt an: Stuttgart, München, Frankfurt, Hamburg, Berlin. Falls Sie die Schulung gerne in einer anderen Stadt oder direkt bei Ihnen im Unternehmen besuchen möchten, kontaktieren Sie uns gerne.
Ich möchte gerne viel coden und hands-on Lernen. Ist das der richtige Kurs?
Definitiv. Sie werden sich im Kurs wohlfühlen. Die erste von vier Lektionen am ersten Tag schafft die Grundlagen und sie können den Editor gleich selbst ausprobieren. Ab der zweiten Lektion ist mindestens die Hälfte der Zeit zum selbstständigen Üben, so dass Sie das Besprochene direkt coden können und selbst erkennen, wo noch Fragen bestehen, die Sie mit dem Dozenten direkt besprechen können.
Welche Lernmethoden werden verwendet?
Im Seminar enthält jeder Block (meist über etwa 90 Minuten) eine oder mehrere Theorie- und Praxiseinheiten. Die Theorieeinheit dient dazu, Ihnen das nötige Wissen zu vermitteln, um die Übungsaufgaben zu verstehen und selbstständig lösen zu können. Wir verzichten auf langatmige, wissenschaftliche Theorieeinheiten und konzentrieren uns auf den theoretischen Stoff der zu einem besseren Verständnis beiträgt. Der Fokus liegt auf der Praxis, d.h. dem Codeschreiben und Lösen von kleinen Verständnisaufgaben zum Lernstoff. Fragen von Teilnehmern sind jederzeit möglich. Während der Praxiseinheit werden die Fragen individuell vom Dozenten beantwortet. Fragen von allgemeinem Interesse werden allen Teilnehmern erklärt. Die Folien, welche die Theorie und weitere Erklärungen vom Code enthalten erhalten Sie als pdf. Codebeispiele und die Musterlösung der Übungsaufgaben liegen digital vor.
Wie sehen die Übungen für die Teilnehmer aus?
Die Übungen bestehen hauptsächlich aus Coding Aufgaben, d.h. Sie schreiben entweder kurze Codebeispiele oder Sie werden gefragt, Codelücken in einem bestehenden Code zu ergänzen. Letzteres schult auch das Codeverstehen. Die Aufgaben sind so gewählt, dass die wichtigen Aufgaben von allen Teilnehmern in der verfügbaren Zeit gelöst werden können. Wir haben Coding Aufgaben unterschiedlichen Schwierigkeitsgrades vorbereitet, so dass schnellere Teilnehmer oder Teilnehmer mit Vorwissen zusätzlich an weiteren Aufgaben üben können. Desweiteren gibt es für manche Kapitel kurze Kontrollfragen zum Theorieteil.
Künstliche Intelligenz Seminar im Detail
Sie sehen gerade einen Platzhalterinhalt von YouTube. Um auf den eigentlichen Inhalt zuzugreifen, klicken Sie auf die Schaltfläche unten. Bitte beachten Sie, dass dabei Daten an Drittanbieter weitergegeben werden.
- für KMU und Einzelpersonen
- Übernahme von bis zu 500 EUR der Kursgebühren
Stimmen bisheriger Teilnehmer
Mir hat die Schulung sehr gut gefallen, es war interessant zu sehen welche Möglichkeiten es mit Python so alles gibt und wie man es am Besten umsetzt. Ich hoffe Du kannst weiterhin viele Teilnehmer für dieses zukunftsträchtige Thema gewinnen. Alles Gute für Deine nächsten Schulungen.
Stefan KönigData Science in Python
Das Seminar ist gut strukturiert und ermöglicht auch Teilnehmern mit geringeren Vorkenntnissen einen guten Einstieg in die Materie. Übungsaufgaben zu den verschiedenen Einheiten ermöglichen es, das Erlernte zu festigen. Dabei bieten unterschiedliche Schwierigkeitsgrade der Übungen für alle Teilnehmer einen Mehrwert. (...) Jan erklärt gut verständlich, motiviert und sorgt für eine gute Stimmung in der Gruppe. Er hat für jeden Teilnehmer individuelle Tipps parat und macht Lust auf "mehr Python". (...)
Lea HartmannData Science in Python
Mir hat die Schulung sehr gut gefallen,Herr Köhler hat es geschafft die Inhalte der Veranstaltung verständlich zu vermitteln. Die praktischen Aufgaben sind sehr gut vorbereitet und unterstützen beim Verstehen des umfangreichen theoretischen Inhalts. es war interessant zu sehen welche Möglichkeiten es mit Python so alles gibt und wie man es am Besten umsetzt. Ich hoffe Du kannst weiterhin viele Teilnehmer für dieses zukunftsträchtige Thema gewinnen. Alles Gute für Deine nächsten Schulungen.
Bennet BrunkeMaschinelles Lernen ((Un-)Supervised)
Sehr gutes Seminar, Jan geht auf alle Fragestellungen ein und sucht weitergehende Antworten auch teilweise im Nachgang. Das Seminar ist sehr strukturiert, verständlich und nachvollziehbar. Der Einstieg in das Thema Python und Data Mining ist sehr gut gelungen.
Simon GoettlerData Science in Python
Weiterbildungen sind bis zu einem gewissen Grad ja immer Glückssache - die Agenda gibt allenfalls einen groben Überblick darüber, was einen erwartet. Das Seminar bei Jan Köhler war ausgezeichnet, eine hervorragende Mischung aus Theorie/Erklären und der praktischen Übung am Computer. Ich würde das Seminar bei der Bitkom Akademie nicht zuletzt auch wegen des Seminarleisters uneingeschränkt weiterempfehlen.
Andreas StreimData Science in Python
Es wurde auf alle Teilnehmer eingegangen. Alle Inhalte wurden gut vermittelt. Auch für Fragen, die nicht direkt zum Seminar gehörten war Zeit. Es hat Spaß gemacht und ich habe viel gelernt. Sobald es ein anschließendes Seminar gibt, bin ich dabei ...
Gerhard HeinzerlingData Science in Python
Das Seminar bot eine ausgewogene Mischung aus Theorie und Praxis. Durch die Übungsblöcke konnte man den Inhalt direkt ausprobieren und ein Gefühl für die Materie bekommen. Bei Fragen und Schwierigkeiten fand immer eine zeitnahe und ausführliche Unterstützung statt. Zudem ging der Seminarleiter kurzfristig auf die Anregungen und Wünsche der Teilnehmer ein. Insgesamt machte der Seminarleiter einen sehr kompetenten Eindruck und ich würde dieses Seminar ohne Einschränkungen weiter empfehlen.
Dr. André SteimersData Science in Python
Herr Köhler nimmt sich ausreichend Zeit für Fragen und Erläuterungen und kann diese aufgrund überzeugender Fachkompetenz sehr gut verständlich erklären. Die Inhalte der Veranstaltung waren gut gegliedert. Insgesamt mit einem guten Verhältnis aus Theorie und Praxis. Die organisatorischen Rahmenbedingungen waren sehr gut. Insgesamt würde ich Herr Köhler und die Veranstaltung mit 5/5 Sternen bewerten.
Bennet BrunkeData Science in Python
Eindrücke sind subjektiv und hängen von u. a. Vorkenntnissen sowie Erwartungen ab. Mir fiel es leicht, den Themen zu folgen, da sie m. M. n. didaktisch gut aufgebaut waren und klar präsentiert wurden. Die Kompetenz des Kursleiters war jederzeit spürbar. Auf Fragen (auch weiterführende) kamen hilfreiche Antworten. In diesem Kurs habe ich sowohl eine neue Sprache kennengelernt, als auch neue Methoden, die von dieser unterstützt werden.
Ali CavliData Science in Python
Das Seminar mit Jan Köhler hat mir sehr viel Spaß gemacht. Hr. Köhler vermittelt Inhalte klar und verständlich und geht immer auf die Fragen der Teilnehmer ein. Mir hat besonders der Mix aus Theorie und Praxis (in Form von Übungsaufgaben) gefallen. In den drei Seminartagen konnte ich sehr viel von ihm lernen. Die Lage und Ausstattung der Seminarräume waren ebenfalls sehr gut. Das Seminar bei Hr. Köhler würde ich wieder besuchen und kann es zu 100% empfehlen.
Tobias SchröderData Science in Python
Jan Köhler takes the time to respond to all questions and remarks from the participants and explains everything well understandable. The course offers a very good individual support during exercises due to the small learning groups.
Julia MildnerData Science in R
Das war ein super Workshop, bei dem man viel mitnehmen konnte. Sowohl von der Stoffvermittlung als auch von den Übungen war es super. Klar ist in der Kürze der Zeit recht kompakt, aber das Wissen was vermittelt wird, kann im Selbststudium weiter vertieft werden. Der Workshop bietet dazu die perfekte Grundlage. Es steht auch außer Frage, dass die Kompetenz und Know-How zur Vermittlung des Stoffes vorhanden sind.
Helmut E.Data Science in Python
Warum bei Enable AI buchen
Durchführungsgarantie
Online ab 2 Teilnehmer und in Präsenz ab 3 Teilnehmer führen wir ein Seminar durch, so dass Sie auch bei kleinerer Gruppengröße intensiv lernen können und Ihren Lernerfolg erzielen können.
Zufriedenheitsgarantie
Sollten Sie in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und es wird Ihnen die volle Kursgebühr inkl. Anreise (30 cent / km bzw. Bahnfahrt 2. Klasse) erstattet. Ohne Wenn und Aber.
Wissensgarantie
Falls Ihr(e) MitarbeiterIn unerwarteterweise innerhalb eines halben Jahres nach dem Besuchen eines Kurses für mehr als 6 Monate (Krankheit, Elternzeit, Sabbatical,...) ihr Unternehmen verlässt, darf kostenlos ein Kollege innerhalb eines Jahres ab dem Verlassen des Kollegens ein stattfindendes Seminar mit demselben Inhalt besuchen.
Hands-on Schulungen
Die Kurse sind hands-on Trainings, mit vielen Coding Übungen (inkl. digitalen Musterlösungen). Denn durch praktische Beispiele lernt man am meisten.
Individuelle Schulungen
Wenn es im Interessen der Schulungsgruppe ist, ändert der Trainer das Seminar nach Ihren Wünschen ab bzw. integriert Ihre Daten nach Rücksprache in den Kurs.
Aktualisierte Schulungen
Sollten Sie eine Schulung zweimal besuchen, wird diese nicht identisch sein. Ihr Feedback wird berücksichtigt und die Schulungen werden an die aktuelle Themen in Forschung und Entwicklung angepasst.
Trainer aus der Praxis
Die Trainer, die in exklusiver Kooperation mit Enable AI zusammen arbeiten, kommen alle aus der Praxis und vermitteln praxisnahes, aktuelles Wissen auf leicht verständliche Art und Weise mit dem Ziel, dass Sie in Ihrer Arbeit das Wissen direkt anwenden können.
Kleine Gruppen
Garantierte maximale Gruppengröße von 10 Teilnehmern. Im Durchschnitt besuchen 3-6 Teilnehmer einen Kurs.
Fundiertes Wissen
Vor der Zusammenarbeit werden unsere Trainer geprüft. Alle besitzen fundierte Kenntnisse, u.a. durch Studium, Promotion und Berufserfahrung in den Bereichen Mathematik, Informatik, Statistik und Machine/Deep Learning.
Nach dem Studium der Mathematik und der BWL promovierte er im Cyber Valley am Max-Planck Institut in Tübingen. Sein Forschungsschwerpunkt war im Bereich Machine Learning und Bildverarbeitung.
Seit 2015 arbeitet er in der Industrie im Bereich Deep Learning und implementiert bzw. adaptiert verschiedene state-of-the-art Algorithmen für aktuelle industrielle Anwendungsfälle, darunter Autonomes Fahren und visuelle Fehlerinspektion. Aus Erweiterungen und eigenen Ideen sind mehrere Patentanmeldungen entstanden.
Seit 7 Jahren verwendet er die Programmiersprache Python für die Bildanalyse, objektorientiertem Programmieren und Deep Learning (dort vor allem die Bibliotheken Keras und TensorFlow). Er schult sein Fachwissen aus der Praxis seit über 3 Jahren.
Jan Köhler - Gründer von Enable AI
- Fragen zum Inhalt des Seminars?
- Sind Sie sich unsicher, ob der Kurs Sie weder über- noch unterfordert?
- Fragen, ob Sie das Wissen aus dem Kurs für Ihre tägliche Arbeit anwenden können?
- weitere generelle Fragen zur Schulung?
- einen Terminwunsch?
Rufen Sie uns an oder schreiben Sie uns eine Email
0711-96 88 15 53
info@enable-ai.de
Gerne können Sie auch direkt einen Termin mit uns vereinbaren oder eine Nachricht schreiben.
So funktioniert Künstliche Intelligenz: Seminar vermittelt Grundlagenwissen
Immer mehr Unternehmen möchten sich das Potenzial der Künstlichen Intelligenz zunutze machen. Tatsächlich sind die Chancen, die mit der neuen Technologie einhergehen, vielfältig. Sie reichen von einem nachhaltigen Umgang mit Ressourcen über eine Entlastung der Mitarbeiter bis hin zu einer dauerhaften Kostenreduzierung. Doch damit all diese Vorteile für das eigene Unternehmen auch wirklich greifbar sind, ist es wichtig, die einzelnen Funktionen zu kennen und sie auch anwenden zu können. Hier helfen wir weiter. Lernen Sie bei uns, wie künstliche Intelligenz funktioniert. Unser Seminar gibt einen Einblick in die zahlreichen Funktionen, zeigt aber auch, wie Sie damit sicher arbeiten können.
Erfahrene Dozenten mit breitem Fachwissen
Unser Seminar wird von erfahrenen und hervorragend ausgebildeten Dozenten gestaltet. Wir setzen bewusst auf kleine Gruppen, sodass wir auf alle Fragen und auch Anmerkungen eingehen können. Sie können die Künstliche Intelligenz im Online-Seminar unseres Unternehmens Schritt für Schritt kennenlernen und erfahren außerdem, welchen Nutzen Sie für Ihre Firma bietet.
Wann lohnt sich unsere Inhouse-Schulung
Sollen mehrere Mitarbeiter Ihres Unternehmens mehr über Künstliche Intelligenz erfahren, das Zertifikat erhalten und Sicherheit im KI-Umgang gewinnen, sind unsere Inhouse-Schulungen die perfekte Wahl. Diese richten wir auf Wunsch speziell in Ihrem Unternehmen aus, sodass direkt mehrere Mitarbeiter teilnehmen können. Dadurch reduzieren Sie den finanziellen Aufwand, der mit An- und Abreise verbunden ist. Wir konzentrieren uns bei den Inhouse-Schulungen speziell auf die Vorgaben Ihres Unternehmens, sodass wir eine Weiterbildung anbieten können, die Ihr Unternehmen nach vorn bringt.
Jedes Seminar wird bei uns von einem ausgezeichneten Dozenten abgehalten, der vom Fach ist und sich zudem mit den neuesten Entwicklungen auseinandersetzt.
Inhouseschulung / Firmenschulung
Sie suchen einen Deep Learning Intensivkurs mit Beispielen aus der Bildverarbeitung und Beispielen mit sequentiellen Daten als Firmen-Weiterbildung. Der Inhalt der Schulung kann individuell angepasst werden. In Abstimmung mit dem Dozenten können Sie Schwerpunkte der Firmen-Schulung setzen, Inhalte aus der offenen Schulung streichen und weitere Inhalte hinzufügen.
Vereinbaren Sie einen Termin für ein kostenloses Beratungsgespräch.
Die Firmen-Trainings des Deep Learning Kurses können Live-Online oder bei Ihnen vor Ort gehalten werden. Zudem können Sie auch in München, Stuttgart, Berlin, Hannover, Köln, Hamburg, Düsseldorf, Frankfurt, Dortmund, Münster, Essen, Bonn, Dresden, Leipzig, Bremen, Duisburg, Bochum, Wuppertal, Bielefeld, Mannheim, Freiburg, Brauschweig, Kiel oder Karlsruhe stattfinden.
Thematisch ähnliche
Schulungen
Auswahl ähnlicher Kurse wie der Neuronale Netze Deep Learning Kurs
1 Tag
Grundbegriffe aus den Bereichen Künstliche Intelligenz, Maschinelles Lernen und Deep Learning. Es werden Anwendungsfälle diskutiert und die Voraussetzungen, Möglichkeiten und Grenzen von KI erläutert. Zielgruppe der Schulung sind Führungskräfte, die KI Use-Cases im Unternehmen aufdecken und das Potential und den erforderlichen Aufwand realistisch einschätzen wollen.
Python - 2 Tage
Aufbauend auf Python Grundkenntnissen, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn und die wichtigsten Schritte beim Trainieren der Algorithmen behandelt. Folgende Algorithmen werden erläutert: Lineare & Logistische Regression, Entscheidungsbaum, Ensembles, Neuronales Netz (MLP), K-Nearest Neighbor, K-means, DBSCAN Clustering.
Data Science Bootcamp Weiterbildung
Python - 5 Tage
Sie erlernen einen umfassenden Einstieg in die Programmiersprache Python mit Fokus auf Data Science und Machine Learning. Nach dem Seminar sind sie fähig einfache Datenanalysen in Ihrem Unternehmen durchzuführen und ihre erworbende Kenntnisse selbständig zu vertiefen. U.a. folgende Python Pakete werden erläutert: pandas, numpy, matplotlib, seaborn, scikit-learn, statsmodels.
Python Bilderkennung KI Deep Learning
Python - 3 Tage
In diesem Kurs lernen Sie die Grundlagen von Deep-Learning (mit Beispielen aus der Bildverarbeitung) kennen. Sie erstellen und trainieren Neuronale Netze auf GPUs mit dem anwenderfreundlichen und beliebten Framework Keras / Tensorflow (in Python). Die praktischen Anwendungsfällen umfassen: Bildklassifizierung, Objektdetektierung mit Bounding Boxes, Semantische Segmentierung.
Natural Language Processing (NLP) Seminar
Python - 3 Tage zu 6h
Der Kurs gibt einen umfassenden Einblick in die maschinelle Sprachverarbeitung und einen Einblick auf ChatGPT + Prompt Engineering. In praktischen Übungen arbeiten Sie mit linguistischen Daten (Vorverarbeitung und Annotation). Sie lernen klassische Verfahren zur NLP mit Machine Learning kennen (z.B. zur Textklassifikation und Informationsextraktion). Danach arbeiten Sie mit neuronalen Netzen: Lernen von Wortvektoren, LSTM, Sequenz-zu-Sequenz-Modelle (z.B. für Übersetzung oder Zusammenfassung), Transferlernen, u.A. mit vortrainierten Modellen.