Einführung in Python für Deep Learning

Ziele

In dieser 5-tägigen Schulung "Einführung in Python für Deep Learning" lernen Sie die wesentlichen Grundlagen. Der Fokus der Schulung liegt auf dem Erwerb grundlegender Kenntnisse in Python und Numpy. Diese Kenntnisse ermöglichen es Ihnen, einfache Machine Learning-Algorithmen eigenständig zu implementieren. Ein besonderes Augenmerk wird auf den praktischen Einsatz im Bereich Deep Learning gelegt, wobei gezielt Aspekte ausgeklammert werden, die in diesem Kontext weniger relevant sind, wie beispielsweise die Erstellung von GUIs mit Tkinter oder Webentwicklung.

Nach Abschluss der Schulung werden Sie mit den Grundlagen des Deep Learning vertraut sein und ein erstes Verständnis für das weitverbreitete Framework Pytorch erworben haben. Dies legt den Grundstein für einen gelungenen Einstieg in die Welt des Deep Learning und bildet eine solide Basis für zukünftige vertiefte Erfahrungen in diesem faszinierenden Bereich.

Zielgruppe

• Entwickler

Python wird hier von Grund auf vorgestellt, doch strebt der Kurs schnell anspruchsvolle Konzepte an, so dass er nicht als allgemeiner Einstiegskurs in die Programmierung geeignet ist.

Voraussetzungen

• Mathematisches Grundverständnis, objektorientierte und funktionale Programmierung
• Kenntnisse in einer Programmiersprache wie Javascript, Java, C#, C++.

Agenda

Hintergrund

• Historische Entwicklung von Python
• Heutige Anwendungsbereiche
• Installation
• Unterstützung in IDEs (Visual Studio Code, Pycharm)
• Jupyter Notebooks
• Cloud Angebote: Google Colab, AWS Sagemaker
• Kurze Tour durch die Sprache

Sprachkozepte

• Datentypen
• Kontrollstrukturen
• Funktionen, Lambda Funktionen
• Klassen und Objekte
• Vererbung
• Fehlerbehandlung
• Module
• Standardbausteine (Dateien, reguläre Ausdrücke, ...)

Numpy und andere Bibliotheken

• Anwendungsbereich
• Datentypen
• Basisoperationen
• Indizierung
• Broadcasting
• Visuelle Aufbereitung mit Matplotlib
• Kurzvorstellung Pandas, Seaborn

Lineare Regression

• Problemstellung
• Implementierung mit Python und Numpy
• Mathematischer Hintergrund
• Gradient Descent, Intuition dahinter, Herleitung
• Loss Funktionen mit mathematischer Diskussion
• Variante Logistic Regression zur Klassifizierung

Pytorch

• Historische Entwicklung
• Tensor als Basistyp mit Operationen
• Ausführiche Behandlung von Dimensionierung
• Linear und Logistic Regression mit Pytorch
• Data Set und DataLoader
• Standarddatensätze wie MNIST, FashionMNIST
• Multi Layer Perceptrons
• nn.Module als Basisbaustein
• Lossfunktionen und Optimizer
• Trainingsschleife, Validation Set
• Prediction

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