Einführung in Deep Learning mit Pytorch: MLP und CNN

Ziele

In dieser 5-tägigen Schulung "Einführung in Deep Learning mit Pytorch: MLP und CNN" erhalten Sie die nötigen Kenntnisse über das Framework Pytorch sowie dem grundlegenden Netzwerktyp bei Deep Learning, den Multilayer Perzeptrons, und den Convolutional Neural Networks, die v.a. bei Bilddaten verwendet werden. Im Laufe des Kurses werden vollständige Beispiele mit Trainingsschleife, Testläufen, Ausgabe der Losswerte und Visualisierungen durchgeführt.

Zielgruppe

• Python-Entwickler

Voraussetzungen

• Routinierte Kenntnisse in Python und Numpy
• Teilnehmer sollten schon an komplexen Softwareprojekten gearbeitet haben
• Erfahrung mit Jupyter Notebooks
• Erfahrung mit Machine Learning wird hier NICHT vorausgesetzt.

Agenda

Lineare Regression

• Problemstellung
• Implementierung mit Python und Numpy
• Backpropagation
• Gradient Descent
• Visuelle Aufbereitung mit Matplotlib
• Variante Logistic Regression zur Klassifizierung

Mathematische Grundlagen

• Vektoren und Linearkombinationen
• Matrizen, lineare Transformationen
• Analysis in höheren Dimensionen
• Partielle Ableitungen
• Kettenregel und andere Regeln
• Geometrische Intuition
• Oft gebrauchte Funktionen

Neural Networks

• Historische Entwicklung von Pytorch
• Tensor als Basistyp mit Operationen
• Automatische Gradientenberechnung
• Ausführilche Behandlung von Dimensionierung
• DataSet, DataLoader, ImageFolder
• Standarddatensätze wie MNIST
• nn.Module als Basisbaustein
• Multilayer Perceptron als grundlegender Netzwerktyp
• Nichtlineare Aktivierungsfunktionen: Sigmoid, Softmax, ReLU u.a.
• Lossfunktionen
• Optimizer: SGD, Adam und weitere
• Trainingsschleife, Validation Set
• Underfitting, Overfitting
• Visualisierung mit TensorBoard

Convolutional Neural Networks

• Basistyp zur Bildklassifizierung
• Abgrenzung zu RNN und Transformer
• Vorbereitung der Bilddaten (Transforms)
• Convolution Layer in Pytorch im Detail
• Training mit GPUs z.B. Google Colab
• ImageNet: Wettbewerb und Bilddatenbank
• Wichtige Architekturen: AlexNet, VGG, ResNet, ResNeXt
• Varianten von Transfer Learning
• Autoencoders

Open Badge - Ihr digitaler Kompetenznachweis

Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erlangen Sie nicht nur Fachkenntnisse und Fähigkeiten, sondern bekommen zusätzlich zu Ihrem Teilnahmezertifikat ein Open Badge als digitalen Nachweis Ihrer Kompetenz.

Sie können diesen in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com Konto abrufen. Ihre verdienten Badges lassen sich problemlos in sozialen Netzwerken integrieren und weitergeben.

Mehr zu den Vorteilen von Badges

Kurz vor Durchführung