BEGIN:VCALENDAR VERSION:2.0 PRODID:-//Michael Angstadt//biweekly 0.4.4//EN CALSCALE:GREGORIAN METHOD:PUPLISH X-FROM-URL:https://www.digitalzentrum-fokus-mensch.de X-WR-TIMEZONE:Europe/Berlin BEGIN:VEVENT UID:ap_523@www.digitalzentrum-fokus-mensch.de SUMMARY:KI-Trainer: Entwicklung - Grundlagen Deep Learning Teil 2 STATUS:CONFIRMED DESCRIPTION:\n\nHier anmelden \n\nMit den geeigneten Plattformen und Entwic klungswerkzeugen lassen sich KI-Projekte sehr schnell umsetzen. Insbesonde re die vielversprechenden Deep Learning Technologien besitzen eine Vielzah l an Entwicklungstools\, die es KI-Entwicklern erlauben\, weniger Zeit für aufwendige Grundlagen-Implementationen aufzubrauchen\, und dafür mehr Zeit für die Problemlösung selbst zu finden. \n\nIn mehreren Teilen geht es bei uns hier deshalb rund um die Entwicklung: Angefangen bei einem Einstieg in die Pythonprogrammierung\, über die Betrachtung gängiger Entwicklungstools und -Frameworks\, bis hin zu Deep Learning Grundlagen und Implementation. Diese Reihe erlaubt es Programmierern ohne KI-Kenntnisse startbereit für D eep Learning zu werden. An den einzelnen Teilen kann sequentiell teilgenom men werden\, benötigte Kenntnisse in späteren Teilen werden in vorherigen Teilen vermittelt. Einzig für den ersten Teil sollten allgemeine Programmi erkenntnisse vorhanden sein. \n\n3: Deep Learning Grundlagen \n\nIn dieser mehrteiligen Reihe werden die Grundlagen von Deep Learning vermittelt. Ang efangen bei einem einzelnen Neuron werden Schritt für Schritt Bestandteile moderner neuronaler Netze für die Klassifikation aufgezeigt und erklärt. E in Einstieg in das größte Python Framework für maschinelles Lernen "Tensor flow" wird gegeben um anschließend gemeinsam einfache Modelle zu entwickel n. Die Inhalte umfassen unter anderem: \n\n- Neuronaler Netzwerk-Aufbau \n \n- Allgemeiner Lernprozess \n\n- Gängige Optimierungsverfahren \n\n- Gäng ige Leistungsmetriken \n\n- Convolutional Neural Networks \n\n- Tensorflow Grundlagen \n\n \n\nDie Inhalte über Jupyter Notebooks vermittelt und anha nd von Übungen gefestigt. \n\nVoraussetzungen: \n\n- Python Grundkenntniss e wie z.B. aus unserem Webinar "Python Grundlagen für Deep Learning" (Deta ils siehe Link am Ende der Beschreibung) \n\n- Numpy Kenntnisse wie z.B. a us unserem Webinar "Python Entwicklungstools für Deep Learning" (Details s iehe Link am Ende der Beschreibung) \n\n- Optional: Grundkenntnisse von KI – z.B. über einen Besuch unserer Schwerpunkt 1 Workshops – die es einem be sser erlauben\, die verwendeten Technologien einzuordnen. \n\n \n\nDetails und Termine zu anderen Teilen dieses Schwerpunktes finden Sie unter folgen dem Link: \n\nhttps://www.kompetenzzentrum-usability.digital/angebote/ki-t rainer/ki-trainer-schwerpunkt-2-entwicklung X-ALT-DESC;FMTTYPE=text/html:
\n\nMit den geeigneten Plattformen und Entwicklungswe rkzeugen lassen sich KI-Projekte sehr schnell umsetzen. Insbesondere die v ielversprechenden Deep Learning Technologien besitzen eine Vielzahl an Ent wicklungstools, die es KI-Entwicklern erlauben, weniger Zeit für aufwendig e Grundlagen-Implementationen aufzubrauchen, und dafür mehr Zeit für die P roblemlösung selbst zu finden.
\n\nIn mehreren Teilen geht es bei un s hier deshalb rund um die Entwicklung: Angefangen bei einem Einstieg in d ie Pythonprogrammierung, über die Betrachtung gängiger Entwicklungstools u nd -Frameworks, bis hin zu Deep Learning Grundlagen und Implementation. Di ese Reihe erlaubt es Programmierern ohne KI-Kenntnisse startbereit für Dee p Learning zu werden. An den einzelnen Teilen kann sequentiell teilgenomme n werden, benötigte Kenntnisse in späteren Teilen werden in vorherigen Tei len vermittelt. Einzig für den ersten Teil sollten allgemeine Programmierk enntnisse vorhanden sein.
\n\n3: Deep Learning Grundlagen
\n\nIn dieser mehrteiligen Reihe werden die Grundlagen von Deep Learning vermi ttelt. Angefangen bei einem einzelnen Neuron werden Schritt für Schritt Be standteile moderner neuronaler Netze für die Klassifikation aufgezeigt und erklärt. Ein Einstieg in das größte Python Framework für maschinelles Lern en "Tensorflow" wird gegeben um anschließend gemeinsam einfache Modelle zu entwickeln. Die Inhalte umfassen unter anderem:
\n\n- Neuronaler Net zwerk-Aufbau
\n\n- Allgemeiner Lernprozess
\n\n- Gängige Optim ierungsverfahren
\n\n- Gängige Leistungsmetriken
\n\n- Convolu tional Neural Networks
\n\n- Tensorflow Grundlagen
\n\n\n \n
Die Inhalte über Jupyter Notebooks vermittelt und anhand von Übungen gefestigt.
\n\nVoraussetzungen:
\n\n- Python Grundkenntnisse w ie z.B. aus unserem Webinar "Python Grundlagen für Deep Learning" (Details siehe Link am Ende der Beschreibung)
\n\n- Numpy Kenntnisse wie z.B. aus unserem Webinar "Python Entwicklungstools für Deep Learning" (Details siehe Link am Ende der Beschreibung)
\n\n- Optional: Grundkenntnisse von KI – z.B. über einen Besuch unserer Schwerpunkt 1 Workshops – die es einem besser erlaube n, die verwendeten Technologien einzuordnen.
\n\n\n\n
Details und Termine zu anderen Teilen dieses Schwerpunktes finden Sie unter folgen dem Link:
\n\nhttps://www.kompetenzzentrum-usability.digital/angebot e/ki-trainer/ki-trainer-schwerpunkt-2-entwicklung
\n DTSTART;TZID=Europe/Berlin:20200804T140000 DTEND;TZID=Europe/Berlin:20200804T160000 CREATED:20200622T105105Z LOCATION:Online DTSTAMP:20200811T073036Z URL:https://www.digitalzentrum-fokus-mensch.de/kos/WNetz?art=Appointment.sh ow&id=523 END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Berlin LAST-MODIFIED:20231222T233358Z TZURL:https://www.tzurl.org/zoneinfo-outlook/Europe/Berlin X-LIC-LOCATION:Europe/Berlin BEGIN:DAYLIGHT TZNAME:CEST TZOFFSETFROM:+0100 TZOFFSETTO:+0200 DTSTART:19700329T020000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 END:DAYLIGHT BEGIN:STANDARD TZNAME:CET TZOFFSETFROM:+0200 TZOFFSETTO:+0100 DTSTART:19701025T030000 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 END:STANDARD END:VTIMEZONE END:VCALENDAR