Beschreibung
Machine Learning: Grundlagen supervised und unsupervised learning mit Anwendungsbeispielen in TensorFlow Keras
Computer werden immer „intelligenter“: AlphaGo Zero gewinnt das Go-Duell gegen den besten menschlichen Go-Spieler, Spracherkennungen wie Siri, Alexa oder Cortana verstehen zunehmend komplexere Anfragen, und Autos fahren autonom in echtem Straßenverkehr. Was steckt dahinter? Diese Schulung gewährt Ihnen einen Einblick in das Maschinelle Lernen (machine learning) mit Neuronalen Netzen, wozu u.a. auch die Methode des supervised deep learning gehört, welche derzeit in vielen Anwendungsbereichen erstaunliche Leistungen vollbringt. Zusätzlich werden wichtige Methoden des selbständigen Lernens ohne Lehrer (unsupervised learning
) vorgestellt. Demonstrationen von Anwendungsbeispielen mit TensorFlow Keras und Hinweise auf (freie) Tools für Maschinelles Lernen mit Neuronalen Netzen runden die Schulung ab und erlauben Ihnen, im Anschluss mit Ihren eigenen Daten zu experimentieren.
Kommende Starttermine
Wählen Sie aus 10 verfügbaren Startterminen
Inhalte / Module
- Überblick Maschinelles Lernen
- Lernformen: nicht überwachtes Lernen, verstärkendes Lernen, überwachtes Lernen
- supervised learning versus unsupervised learning
- classical learning versus deep learning
- Statistik versus Maschinelles Lernen
- Intelligente Agenten (KI-Systeme)
- Struktur von Agenten, Agentenprogramm, Agentenfunktion
- Agenten-Grundtypen
- Modellbasierter Reflexagent
- Lernender Agent
- supervised learning („Lernen mit Lehrer“)
- Lernen aus Beispielen
- Trainingsmenge versus Testmenge
- Generalisierungsfähigkeit der gelernten Abbildung
- Problem der Überanpassung
- Neuronale Netze, Multi Layer Perceptrons
- Vom biologischen zum technischen Neuron
- Perceptron
- Nichtlineare Aktivierungsfunktionen
- Multi-Layer-Perceptrons (mehrschichtige neuronale Netze)
- Lernalgorithmus „Backpropagation of Error“
- Machine-Learning-Tool „TensorFlow Keras“
- Beispiele zu Regression und Klassifikation mit Multi Layer Perceptrons
- Beispiel: Multi Layer Perceptrons mit TensorFlow Keras
- praktische Tipps
- deep learning
- Beispiele und Demos zu deep learning
- Neuronale Netze, Convolutional Neural Networks (CNN)
- Grundidee und Topologie CNN
- Beispiele und Demos zu Convolutional Neural Networks / Deep Learning
- Beispiel: Convolutional Neural Networks mit TensorFlow Keras
- Neuronale Netze, Recurrent Neural Networks (RNN, LSTM)
- Grundidee und Topologie RNN
- Lernalgorithmus „Backpropagation Through Time“
- Long Short-Term Memory Networks (LSTM)
- Beispiele und Demos zu RNN und LSTM
- Support-Vektor-Maschinen
- Grundidee und Unterschied zu Neuronalen Netzen
- Kernel-Trick zur Garantie der Linearen Separierbarkeit in höheren Dimensionen
- Beispiele und Demos zu Support Vector Machines
- praktische Tipps
- unsupervised learning („Lernen ohne Lehrer“)
- unsupervised classical learning
- clustering
- dimension reduction
- association
- unsupervised deep learning
- autoencoder
- Generative Adversarial Networks (GAN)
- Beispiel: Generative Adversarial Networks mit TensorFlow Keras
- unsupervised classical learning
- Hinweise zu Tools, Internet-Quellen und Literatur
- Diskussion spezifischer Fragestellungen aus der beruflichen Praxis
- Diskussion spezifischer Fragestellungen aus der beruflichen Praxis
Zielgruppe / Voraussetzungen
Abschlussqualifikation / Zertifikat
Infos anfordern
GFU Cyrus AG
Erweitern Sie Ihre IT-Skills mit einem offenen IT-Training oder ganz nach Ihren Bedürfnissen durch eine individuelle IT-Schulung. Programmiersprachen (C#, Python, Java, …), Microsoft Office 365, Anforderungsmanagement, Projektmanagement, Business Intelligence, Data Science, Künstliche Intelligenz, IT-Sicherheit , Administration & Datenbanken, Softwareentwicklung, Testmanagement...
Erfahren Sie mehr über GFU Cyrus AG und weitere Kurse des Anbieters.
Anzeige