Einführung in Python für Deep Learning mit Pytorch
Nächste Termine:
KW 2, Montag 08. - Freitag 12.01.2024
Ganztägig
Python wird hier von Grund auf vorgestellt, doch strebt der Kurs schnell anspruchsvolle Konzepte an, sodass er nicht als allgemeiner Einstiegskurs in die Programmierung geeignet ist.
Insbesondere konzentrieren sich die Themen auf Einsatzmöglichkeiten bei Deep Learning und blenden vieles aus, was dort üblicherweise nicht verwendet wird, wie z.B. GUI mit Tkinter oder Web.
In den letzten Jahren sind die Anwendungsmöglichkeiten von KI deutlich umfangreicher geworden, besonders stark hat sich das im Bereich Deep Learning gezeigt, der durch Transformer wie ChatGPT sogar in den Mainstream-Medien auftaucht. Meist wird als Programmiersprache Python verwendet, und bei den Frameworks führen Pytorch und Tensorflow, wobei sich Pytorch mehr an den Python-Konventionen orientiert und vieles ähnlich wie bei Numpy funktioniert.
Der Kurs vermittelt Intuition für die Konzepte aus Mathematik und Statistik, implementiert einige einfachere Anwendungen von Grund auf und zeigt am Ende den Einstieg in Pytorch mit dem Multilayer Perzeptron, das die Grundlage für neuronale Netze darstellt. Nach dem Kurs sind die Teilnehmer in der Lage, in die verschiedenen Kategorien von Deep Learning wie CNN, RNN einzusteigen.
Inhalt
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
Sprachkonzepte
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
-
Zielgruppe
Es richtet sich an Entwickler, die sich mit KI, Deep Learning und Python beschäftigen wollen.
-
Voraussetzungen
Mathematisches Grundverständnis
Vertrautheit mit einer Programmiersprache wie JS, Java, C#, C++.
-
Dauer
5 Tage.
-
Preis
€ 2.850 zzgl. MwSt.