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_566@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:

Hier anmelden

\n\n

Mit den geeigneten Plattformen und Ent wicklungswerkzeugen lassen sich KI-Projekte sehr schnell umsetzen. Insbeso ndere die vielversprechenden Deep Learning Technologien besitzen eine Viel zahl an Entwicklungstools, die es KI-Entwicklern erlauben, weniger Zeit fü r aufwendige Grundlagen-Implementationen aufzubrauchen, und dafür mehr Zei t für die Problemlösung selbst zu finden.

\n\n

In mehreren Teilen geh t es bei uns hier deshalb rund um die Entwicklung: Angefangen bei einem Ei nstieg in die Pythonprogrammierung, über die Betrachtung gängiger Entwickl ungstools und -Frameworks, bis hin zu Deep Learning Grundlagen und Impleme ntation. Diese Reihe erlaubt es Programmierern ohne KI-Kenntnisse startber eit für Deep Learning zu werden. An den einzelnen Teilen kann sequentiell teilgenommen werden, benötigte Kenntnisse in späteren Teilen werden in vor herigen Teilen vermittelt. Einzig für den ersten Teil sollten allgemeine P rogrammierkenntnisse vorhanden sein.

\n\n

3: Deep Learning Grundlagen

\n\n

In dieser mehrteiligen Reihe werden die Grundlagen von Deep Lea rning vermittelt. Angefangen bei einem einzelnen Neuron werden Schritt für Schritt Bestandteile moderner neuronaler Netze für die Klassifikation aufg ezeigt und erklärt. Ein Einstieg in das größte Python Framework für maschi nelles Lernen "Tensorflow" wird gegeben um anschließend gemeinsam einfache Modelle zu entwickeln. Die Inhalte umfassen unter anderem:

\n\n

- Neu ronaler Netzwerk-Aufbau

\n\n

- Allgemeiner Lernprozess

\n\n

- Gä ngige Optimierungsverfahren

\n\n

- Gängige Leistungsmetriken

\n\n< p>- Convolutional Neural Networks

\n\n

- Tensorflow Grundlagen

\n\ n

 

\n\n

Die Inhalte über Jupyter Notebooks vermittelt und anhand v on Übungen gefestigt.

\n\n

Voraussetzungen:

\n\n

- Python Grundk enntnisse wie z.B. aus unserem Webinar "Python Grundlagen für Deep Learnin g" (Details siehe Link am Ende der Beschreibung)

\n\n

- Numpy Kenntni sse wie z.B. aus unserem Webinar "Python Entwicklungstools für Deep Learni ng" (Details siehe Link am Ende der Beschreibung)

\n\n

- Optional: Gr undkenntnisse von KI – z.B. über einen Besuch unserer Schwerpunkt 1 Workshops – die es einem besser erlauben, die verwendeten Technologien einzuordnen.

\n\n

 

\n\n

Details und Termine zu anderen Teilen dieses Schwerpunktes finden S ie unter folgendem Link:

\n\n

https://www.kompetenzzentrum-usability. digital/angebote/ki-trainer/ki-trainer-schwerpunkt-2-entwicklung

\n\n\n \n\n DTSTART;TZID=Europe/Berlin:20200915T140000 DTEND;TZID=Europe/Berlin:20200915T160000 CREATED:20200810T120457Z LOCATION:Online DTSTAMP:20200923T073410Z URL:https://www.digitalzentrum-fokus-mensch.de/kos/WNetz?art=Appointment.sh ow&id=566 END:VEVENT BEGIN:VTIMEZONE TZID:Europe/Berlin LAST-MODIFIED:20260306T231828Z 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