Machine Learning Schulungen & Inhouse-Seminare

Nach Teilnahme an diesem Seminar haben Sie ein Grundverständnis für Daten und wissen, wie diese sich von Informationen unterscheiden. Sie haben eine Idee, wie Sie Künstliche Intelligenz in Ihrer Arbeit oder auch privat nutzen können. Sie kennen die Anwendungsgebiete für KI - aber auch, wo die Grenzen liegen. Mit einem gemeinsam entwickelten KI-Projekt haben Sie Ihr neu erworbenes Wissen praktisch vertieft.

Teilnehmende am Seminar Machine Learning mit Python lernen die gebräuchlichsten Lernalgorithmen aus der Scikit-Learn Bibliothek kennen und wenden diese nach der Schuiung erfolgreich an. Sie entwickeln ein Verständnis für Wert und Einsatzmöglichkeiten Ihrer Daten. So forcieren Sie Automatisierungsprozesse. Alle Konzepte werden anschaulich gemacht und mit Beispielen aus der Praxis vertieft. Nach Abschluss der Schulung können Sie Daten zielführend extrahieren, lernen Algorithmen an und setzen diese zur Kategorisierung und Prognose ein.

Dieses Grundlagen Seminar Deep Learning richtet sich an Einsteiger:innen im Bereich Deep Learning, die die wichtigsten Konzepte kennenlernen wollen, die sie für die Erstellung von Deep-Learning-Modellen mit bekannten Methoden benötigen. Da der Kurs davon ausgeht, dass Sie zuvor keine umfangreichen Erfahrungen mit neuronalen Netzen und Deep Learning gemacht haben und beginnt er mit einer Übersicht über die für Deep Learning erforderlichen Grundlagen des maschinellen Lernens. Danach bereiten Sie Daten durch Bereinigung und Vorverarbeitung für Deep Learning vor und es werden step-by-step neuronale Netze und die überwachten neuronalen Netzarchitekturen wie Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs) und Generative Adversarial Networks (GANs) sowie unüberwachte Architekturen wie Autoencoder (AEs), Variational Autoencoder (VAEs) und Restricted Boltzmann Machines (RBMs) und Transformer vorgestellt.
 
Zu den praktischen Anwendungen werden die Klassifizierung von Texten in vordefinierte Kategorien, die syntaktische Analyse, die Stimmungsanalyse, die synthetische Generierung von Text und das Tagging von Sprachbestandteilen behandelt. Im Rahmen der Bildverarbeitung werden die Klassifizierung von Bildern in verschiedene Kategorien und der fortgeschrittenen Objekterkennung mit zugehörigen Bildkommentaren sowie die Generierung von Bildern mithilfe von Autoencodern und GANs in Programmcode (Python) umgesetzt.

Entlang des Kurses werden die notwendigen Hintergründe mit dem Ziel gelernt, das Wissen in Selbstlernphasen praktisch einzusetzen. Etwa 50% des Kurses sind Übungsphasen, in denen mit Unterstützung des Dozenten Schwierigkeiten und typische Probleme gelöst werden. Dies ermöglicht, das Gelernte nach dem Seminar direkt im Unternehmen einzusetzen. 
 
Der Einstieg erfolgt mit einem kurzen Abriss in die Grundlagen zum Paket pandas und seaborn. Pandas ermöglicht das einfache Einlesen von tabellarischen Daten, z.B. aus einer csv oder Excel Datei. Mögliche Problemstellungen beim Einlesen für die Praxis werden hierbei erörtert. Das Paket seaborn ist eines der beliebtesten Bibliotheken zum Visualisieren/Plotten von Ergebnissen. Grundlagen ermöglichen hier, Ergebnisse der ML Auswertungen ansprechend anhand einer Grafik in einer Präsentation zu kommunizieren. 
 
Anhand vieler Übungsaufgaben begegnen die Teilnehmer üblichen Praxisschwierigkeiten bei der Umsetzung, so dass der Übertrag auf eigene Daten im Unternehmen nach der Schulung leichter fällt. 

Dieses fünftägige Machine Learning / Deep Learning  Intensiv-Seminar bietet Ihnen einen schnellen und fundierten Einstieg in das Thema Künstliche Intelligenz mit Schwerpunkt auf Machine Learning und Deep Learning. Sie lernen die wichtigsten Best Practices und Techniken für die Erstellung von Projekten auf Basis von Open-Source-Bibliotheken wie Scikit-Learn, Keras, TensorFlow, PyTorch, OpenCV und Huggingsface kennen.

Nach Teilnahme sind Ihnen Begriffe wie Embeddings, Object Detection, Image Segmentation, Attention Mechanism, GANs vertraut und Sie kennen die dahinterliegenden Methoden. Modelle zur Bildklassifizierung, Objekterkennung, Verarbeitung natürlicher Sprache sowie Zeitreihenanalysen haben Sie verstanden und können diese praktisch einsetzen. 

Machine Learning- und Deep Learning-Techniken extrahieren komplexe verborgene Muster in Zeitreihendatensätzen, die für klassische statistische Methoden unerreichbar sind. Das macht Deep Learning zu einem wichtigen Tool für die Zeitreihenprognose. 

Nach Teilnahme an diesem ML/DL Seminar wissen Sie, wie moderne neuronale Netze und die letzten Fortschritte im Deep Learning auf reale Vorhersageprobleme angewendet werden können. Sie beherrschen die Techniken des maschinellen Lernens, die für Prognoseprobleme relevant sind, von univariaten und multivariaten Zeitreihen von überwachtem Lernen bis hin zu modernsten Deep Forecasting-Modellen wie LSTMs, rekurrenten neuronalen Netzen (RNNs), dem Open-Source-Modell Prophet von Facebook und Amazon DeepAR-Modell.

Der Kurs eignet sich auch für diejenigen, die mit der Arbeit an Vorhersageaufgaben anfangen, mit traditionellen Modellen beginnen und schrittweise zu immer fortgeschritteneren Modellen übergehen möchten. 

Im Seminar Deep Natural Language Processing (NLP) mit Transformern werden wir Schritt für Schritt Lösungen für eine Vielzahl von NLP-Problemen liefern, die von der automatischen Text-Zusammenfassung, der semantischen Dokumentensuche, der Erstellung eines Sprachenübersetzers, Informationsextraktion, semantisches Parsing und Dialogsysteme bis zur Beantwortung von Fragen (Q&A) reichen. Wir werden lernen, wie wir mit Hilfe von Transformern erstklassige Ergebnisse erzielen.
 
Das Ziel dieses Kurses ist es, die Teilnehmenden in die Lage zu versetzen, ihre eigenen Sprachanwendungen zu erstellen. Zu diesem Zweck konzentriert sich das Seminar auf praktische Anwendungsfälle und geht nur dort auf die Theorie ein, wo es notwendig ist. 
 
Da sich seit der Einführung im Jahr 2017 die Transformer sowohl in der Wissenschaft als auch in der Industrie zum De-facto-Standard für die Bewältigung eines breiten Spektrums von Aufgaben der natürlichen Sprachverarbeitung (NLP) entwickelt haben, liegt der Schwerpunkt des Kurses auf den vortrainierten Modellen ELMO und BERT (nebst den zahlreichen anwendungsspezifischen Varianten) sowie auf OpenAI's GPT und demzufolge auf den Softwarebibliotheken Huggingface und Haystack.

Der Deep-Learning-Kurs behandelt die Grundlagen der Anwendung des maschinellen Lernens auf die Satellitenbildanalyse. Die Teilnehmer beginnen mit der grundlegenden Regressionsanalyse und gehen dann zu neuronalen Netzen, CNNs und U-Net für die Gebäudeextraktion und Landbedeckungskartierung über. 

Dieser Kurs bietet einen umfassenden Überblick über verschiedene Deep-Learning-Techniken zur Analyse von Satelliten- und Luftbildern einschließlich Architekturen, Modellen und Algorithmen für Aufgaben wie Klassifizierung, Segmentierung und Objekterkennung. 

Die Teilnehmenden sollen am Ende des Apache Spark Workshops in der Lage sein:

• Apache Spark zu installieren und eine Spark-Anwendung zu erstellen
• Daten mit SparkSQL und Spark DataFrames zu analysieren
• RDDs zu erstellen und Transformationen und Aktionen auf RDDs anzuwenden
• Machine-Learning-Modelle mit Spark MLlib zu trainieren und zu evaluieren
• Fehlerbehebung und Optimierung von Spark-Anwendungen durchzuführen

Nach Teilnahme an der Schulung "Machine Learning zur Text-Analyse und Text Mining mit Python" beherrschen Sie sowohl grundlegende als auch fortgeschrittene NLP-Techniken. Sie können eine breite Palette von NLP-Paketen effizient nutzen, Textklassifikationen implementieren und Teile der Sprache identifizieren. Sie sind vertraut mit Themenmodellierung, Textzusammenfassung, Texterzeugung, Stimmungsanalysen und vielen anderen NLP-Anwendungen. Das Seminar konzentriert sich auf die Implementierung von End-to-End-Projekten mit Python und den Einsatz modernster Algorithmen und Transfer-Learning. Wir starten mit der Besprechung von Textdatensammlungen, Web Scraping und verschiedenen Arten von Datenquellen. Sie lernen, wie Sie Textdaten vorverarbeiten und sie mit fortschrittlichen Algorithmen analysieren. Das Seminar behandelt komplexe NLP-Lösungen, die Textnormalisierung, verschiedene fortgeschrittene Vorverarbeitungsmethoden, Part-of-Speech (POS)-Tagging, Parsing, Textzusammenfassung, Stimmungsanalyse, Themenmodellierung, Named-Entity-Recognition (NER), Word2Vec, Seq2Seq und vieles mehr umfassen. Wir behandeln verschiedene fortgeschrittene Techniken zur Umwandlung von Text in Merkmale, wie GloVe, ELMo und BERT. Außerdem wird die Funktionsweise von Transformern am Beispiel von BERT und GPT erläutert. Die Implementierung einiger industrieller Anwendungen, die auch die Leistung von Deep-Learning-Techniken nutzen, rundet das Seminar ab.

Nach Teilnahme an der Schulung "Data Science und Machine Learning mit R: Wertvolle Fähigkeiten für die Zukunft" verfügen Sie über die Kompetenz, die ein Data Scientist heutzutage im Unternehmen benötigt. Sie kennen sich bestens mit der Entwicklungsumgebung von R aus, und wissen, welches die wertvollsten Libraries für Data Science sind. Sie üben - basierend auf dem Standard Prozess - den Ablauf eines Data Science Projekts. Sie sind dann in der Lage, entsprechende Projekte eigenständig abzuwickeln.

In dieser Schulung lernen Führungskräfte alle Möglichkeiten von Data Analytics und KI in kompakter Form kennen.
Die Teilnehmer lernen, ...
... welchen Einfluss KI und Advanced Analytics haben
... wo das Erlernte im eigenen Unternehmen Anwendung finden kann
... wie sie eigene Anwendungsfälle erarbeiten.

Nach Teilnahme nutzen Sie Ihr erworbenes Wissen um Potentiale für das eigene Unternehmen zu erkennen und erfolgreich umzusetzen. Im Seminar erarbeitete Use Cases können Sie weiter ausbauen.

Das Ziel des Seminars für die Teilnehmer besteht darin, eine fundierte  Kenntnis über automatisiertes Machine Learning mit DataRobot und  Datenvisualisierung mit Tableau zu erlangen. Die Teilnehmer sollen in  der Lage sein, Modelle mit DataRobot zu erstellen, zu optimieren und zu  validieren, um präzise Vorhersagen und Entscheidungsgrundlagen zu  erhalten. Zusätzlich sollen sie lernen, wie sie die erstellten Modelle  in Tableau integrieren und ansprechende, interaktive Dashboards  erstellen, um die Analyseergebnisse visuell darzustellen. Am Ende des  Seminars sollen die Teilnehmer befähigt sein, komplexe Datenanalysen  durchzuführen, aussagekräftige Visualisierungen zu erstellen und den  Wert von Machine Learning und Datenvisualisierung in ihrem beruflichen  Kontext effektiv einzusetzen.

Das Seminarziel für die Teilnehmer besteht darin, ein grundlegendes  Verständnis für die Zeitreihenanalyse mit Machine Learning-Techniken zu  entwickeln und praktische Fähigkeiten in der Anwendung dieser Techniken  zu erwerben. Nach Abschluss des Seminars sollen die Teilnehmer in der  Lage sein, Zeitreihendaten zu analysieren, geeignete Modelle auszuwählen  und zu implementieren, um genaue Vorhersagen zu treffen. Die Teilnehmer  sollen lernen, wie sie ihre neu erworbenen Kenntnisse in ihrem  beruflichen Umfeld anwenden können, um bessere Geschäftsentscheidungen  zu treffen, operative Prozesse zu optimieren und die Effizienz ihres  Unternehmens zu steigern.

Das Seminar  vermittelt den Teilnehmern grundlegende Kenntnisse und Fähigkeiten  im Bereich Predictive Analytics und Machine Learning. Das  Hauptziel besteht darin, den Teilnehmern zu ermöglichen, die Konzepte,  Methoden und Techniken von Predictive Analytics und Machine Learning zu  verstehen und anzuwenden. Die Teilnehmer sollen in der Lage sein, Daten  zu analysieren, Modelle auszuwählen und zu evaluieren, Vorhersagen zu  treffen und die Ergebnisse zu interpretieren. Das Seminar soll den  Teilnehmern auch die Möglichkeit geben, praktische Erfahrungen zu  sammeln und die erlernten Techniken auf reale Problemstellungen  anzuwenden. Am Ende des Seminars sollen die Teilnehmer in der Lage sein,  Predictive Analytics und Machine Learning in ihrem beruflichen Kontext  einzusetzen und datengesteuerte Entscheidungen zu treffen.

Nach Teilnahme an dieser Schulung verfügen Sie über ein Grundverständnis zum Thema Daten und kennen den Unterschied zu Informationen. Unterschiedliche Datenformate und -quellen sind Ihnen vertraut. Sie wissen, wie und in welchen Bereichen Sie Künstliche Intelligenz gezielt zu Ihrem Vorteil einsetzen können. Mit einem probaten KI-Projekt haben Sie Ihr theoretisches Wissen durch Praxis vertieft.

In dieser Schulung lernen Sie unterschiedliche Neuronale Netze und deren Performance bei klassischen Problemstellungen in der Bildverarbeitung mit Deep Learning kennen.
Sie sind in der Lage, Neuronale Netze mit verschiedenen Schichten zu enwerfen und setzen diese mit Keras in Python um.
Sie verfügen nach dem Seminar über die Basis, um sich selbständig andere Anwendungsfälle im Deep Learning anzueignen.