TerminOrtUhrzeitPreis*
Nicht-Mitglied
Preis*
Bitkom-Mitglied
BelegungFormat
28.10.2019 -
30.10.2019  
Stuttgart 09:00‑17:30 1.950 1.750 €

Anmelden
17.02.2020 -
19.02.2020  
Berlin
  • Bitkom Tagungszentrum
  • Bitkom Tagungszentrum
    Albrechtstr. 10C
    10117 Berlin
09:00‑17:30 1.950 1.750 €

Anmelden
Termin
28.10.2019 -
30.10.2019  
Ort
Stuttgart
Zeit
09:00‑17:30
Preis
1.950
Preis Bitkom Mitglied
1.750 €
Belegung
Format

Termin
17.02.2020 -
19.02.2020  
Ort
Berlin
  • Bitkom Tagungszentrum
  • Bitkom Tagungszentrum
    Albrechtstr. 10C
    10117 Berlin
Zeit
09:00‑17:30
Preis
1.950
Preis Bitkom Mitglied
1.750 €
Belegung
Format

* zzgl. USt. | 10% Rabatt für den zweiten und jeden weiteren Teilnehmer

 

Deep Learning (DL) Algorithmen werden in unterschiedlichen Bereichen eingesetzt und sind bereits fester Bestandteil unseres Alltags. Sie zählen derzeit als die wichtigste Algorithmusklasse im Machine Learning und sind daher ein elementarer Teil von Künstlicher Intelligenz.

Dieser Kurs konzentriert sich auf die Bildverarbeitung mit DL Algorithmen und den drei häufigsten Anwendungsfeldern bei Bilddaten in der industriellen Anwendung: Objektdetektion mit Bounding Boxes, Semantische Segmentierung und Klassifikation von Bildern. Auf diesen Anwendungen beruhen das visuelle Erkennen von Fehlern/Verschleiß bei Bauteilen oder die Defekterkennung bei Produkten im Produktionsprozess. Überdies können Gegenständen auf Kameradaten erkannt werden, um so eine Sortierung, ein Greifen, o.ä. zu ermöglichen. Weitere Anwendungen sind die Lagebestimmung von Objekten auf Bild/Videodaten, Textur-/Oberflächenanalyse, das pixel-weise Erkennen von Objekten oder Personen auf Dronen- bzw. Satellitenbildern, sowie das automatische Tagging von Bildern (letzteres ermöglicht eine textuelle Bildsuche).

> zum Programm

 

Mehrwert des Seminars

  • Sie erhalten einen konkreten Überblick über Grundlagen über gängige Machine Learning-Techniken. Außerdem lernen Sie unterschiedliche Neuronale Netze anhand von Anwendungsfällen mit verschiedenen Datensätzen zum Trainieren kennen.
  • Sie erhalten Einblicke in die Regularisierung und die Überwachung von Trainings. Außerdem lernen Sie Objektdetektion, Semantische Segmentierung und Bild-Klassifizierung kennen.
  • Sie sind anschließend in der Lage, eigenständig Neuronale Netze zu entwerfen und mit dem Framework Keras / Tensorflow in der Programmiersprache Python zu trainieren.

 

Inhalt des Seminars

Dieser Kurs gibt eine praxisorientierte Einführung in Neuronale Netze (Deep Learning Algorithmen). Sie lernen einige der am häufigsten verwendeten Neuronalen Netze in Theorie kennen (u.a. Multi Layer Perceptron, Convolutional Neural Network) und setzen diese in praktischen Übungen in Python mit den Framework Keras/ Tensorflow um.

Inhaltsübersicht: 

  • Grundlagen von Techniken im Machine Learning
  • Einführung in Keras/ Tensorflow zum Trainieren von DL Netzwerken
  • Objektdetektion, Semantische Segmentierung, Bild-Klassifizierung
  • Regularisierung im Training
  • Überwachung vom Training
  • Multi-Layer-Perceptron (MLP) in Keras/ Tensorflow
  • Interpretation der Ergebnisse

In verschiedenen Anwendungsfällen (Objektdetektion mit Bounding Boxes, Semantische Segmentierung, Bild-Klassifizierung) mit verschiedenen Datensätzen werden unterschiedliche Neuronale Netze mit Keras/ Tensorflow trainiert und deren Leistungsfähigkeit aufgezeigt. 

Neben den konkreten Anwendungsgebieten, vermittelt das Seminar Grundlagen, um sich danach selbstständig andere gewünschte Anwendungsfälle im Deep Learning anzueignen. Ein Überblick über (kommerzielle und open-source) Datenquellen und die Augmentierung von Bilddaten werden im Ausblick dargestellt, um das Gelernte eigenständig auf die eigene Problemstellung anzuwenden.

An wen richtet sich das Seminar?

Das Seminar richtet sich an technisch interessierte Fachkräfte, z.B. data scientists, angehende Machine Learning engineers o.ä., welche einen Überblick über Neuronale Netze erlangen wollen und sich einen Einstieg in Deep Learning Algorithmen mit Keras/ Tensorflow wünschen, um eigenständig Neuronale Netze zu entwerfen und trainieren zu können. Die Teilnehmer sollten Kenntnisse in Python und erste Erfahrung mit Bilddaten besitzen, z.B.: Funktionen in Python schreiben, Bibliotheken importieren, eine einfache Grafik mit Matplotlib erstellen, eine for-Schleife erstellen o.ä. 

Sehr empfehlenswert sind zudem grundlegende Vorkenntnisse im Bereich der Statistik (Begriffsdefinitionen wie bspw. Mittelwert, Median, Standardabweichung, Normalverteilung), Kenntnisse grundlegender mathematischer Symbole und Begriffe (Summenzeichen, Integral, Funktion, Ableitung, Exponentialfunktion). Es wird Jupyter Notebook als Programmieroberfläche verwendet.

 

Didaktischer Aufbau des Seminars?

Dieses Seminar ist sehr praxisorientiert. Die Teilnehmer arbeiten selbstständig mit der Programmiersprache Python, so dass das Erlernte direkt geübt und vertieft werden kann. Der Trainer moderiert dabei verschiedene Aufgaben und begleitet die Teilnehmer durch die einzelnen Lehreinheiten.

Empfehlung

Besuchen Sie vorher die Vorbereitungslehrgänge  „Data Science mit Python" und Supervised & Unsupervised Machine Learning“. Alle drei Lehrgänge sind inhaltlich aufeinander abgestimmt.

 

Zusätzliche Informationen

  • Die Übungen finden auf Laptops statt. Es wird empfohlen, dass Teilnehmer einen eigenen Laptop mit der vorab installierten Software mitbringen. Die Bitkom Akademie kann jedoch auf Anfrage auch Schulungslaptops bereitstellen. Es wird keine GPU auf dem Laptop benötigt. Die Teilnehmer sollten prüfen, ob firmeneigene Laptops Zugangsbeschränkungen beim Herunterladen von Dateien und Programmen haben, die der Referent bereitstellt. Die digitalen Unterlagen (Skript, Code, Dateien) werden über eine Cloud zur Verfügung gestellt.
  • Bitte stellen Sie sicher, dass Sie mit dem Betriebssystem (Windows, Mac OS, Linux), mit dem Sie arbeiten, vertraut sind.
  • Das Seminar findet in einer kleinen Gruppe mit mind. fünf und max. 16 Teilnehmern statt. Unser Referent kann dadurch auf individuelle Fragestellungen optimal eingehen.
  • Die Bitkom Akademie ist anerkannter Bildungsträger in Baden-Württemberg und Nordrhein-Westfalen. Teilnehmer haben im Rahmen des Bildungszeitgesetzes die Möglichkeit, Bildungsurlaub bzw. eine Bildungsfreistellung zu beantragen. Auf Anfrage erstellen wir auch Anträge auf Anerkennung unserer Veranstaltungen in anderen Bundesländern.   
  • Lunch und Getränke sind im Seminarpreis enthalten.
  • Anmeldeschluss ist 2 Wochen vor Seminarbeginn.
  • Tipp: Nutzen Sie für Ihre Anreise zu unseren Akademie-Seminaren die Sonderkonditionen unserer Partner

 

Seminar-Rücktrittsversicherung

  • Gemeinsam mit der HanseMerkur bietet die Bitkom Akademie eine freiwillige Seminar-Rücktrittsversicherung an.
  • Diese Versicherung ermöglicht Ihnen die kostenfreie Stornierung Ihrer Teilnahme, wenn kurzfristige oder unvorhergesehene Ereignisse Ihre Teilnahme am Seminar verhindern.
  • Die Kosten der Seminar-Rücktrittsversicherung sind abhängig vom Seminarpreis. Die Preisliste der HanseMerkur finden Sie hier.

 

Mehr erfahren Zur Buchung

 

Ihre Referenten

 
Technischer Projektleiter, deep learning – Bosch Center for Artificial Intelligence
Robert Bosch GmbH