Einführung in Deep Learning mit Pytorch: MLP und CNN

Ziele der Schulung

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 Seminar

• 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.

Seminarinhalt

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 für dieses Seminar - Ihr digitaler Kompetenznachweis

Durch die erfolgreiche Teilnahme an einem Kurs bei IT-Schulungen.com erhalten Sie zusätzlich zu Ihrem Teilnehmerzertifikat ein digitales Open Badge (Zertifikat) – Ihren modernen Nachweis für erworbene Kompetenzen.

Ihr Open Badge ist jederzeit in Ihrem persönlichen und kostenfreien Mein IT-Schulungen.com-Konto verfügbar. Mit wenigen Klicks können Sie diesen digitalen Nachweis in sozialen Netzwerken teilen, um Ihre Expertise sichtbar zu machen und Ihr berufliches Profil gezielt zu stärken.

Übersicht: Python Schulungen Portfolio

Mehr zu den Vorteilen von Badges

Seminare kurz vor der Durchführung