Was bietet mir der Workshop?
Dieser dreitägige Live-Workshop vermittelt die Grundlagen der KI-Bilderkennung mit Python und Deep Learning. Theorie und praktische Übungen mit Keras/TensorFlow werden direkt auf High-Performance-GPUs in der Cloud umgesetzt.
Im Mittelpunkt stehen neuronale Netze und typische Verfahren der KI-Bilderkennung. Dazu gehören Bildklassifizierung, Objektdetektion mit Bounding Boxes und semantische Segmentierung.
Was lernen die Teilnehmer?
Nach dem Workshop können die Teilnehmer zentrale Verfahren aus Deep Learning und KI-Bilderkennung einordnen und mit Python und Keras/TensorFlow praktisch umsetzen.
- Grundlagen von Machine Learning, Deep Learning und neuronalen Netzen
- Daten für das Training neuronaler Netze vorbereiten
- Overfitting erkennen und mit Trainings-, Validierungs- und Testdaten arbeiten
- Multi-Layer-Perceptrons (MLP) mit Keras/TensorFlow erstellen
- Convolutional Neural Networks (CNN) verstehen und einsetzen
- Neuronale Netze trainieren und auf neue Daten anwenden
- Bilder mit neuronalen Netzen klassifizieren
- Objekte mit Bounding Boxes erkennen
- Semantische Segmentierung für pixelweise Klassifizierung einsetzen
- Keras Callbacks und Verfahren zur Trainingssteuerung nutzen
- Mit Data Augmentation und Fine-Tuning arbeiten
- Deep-Learning-Modelle auf GPUs trainieren
Für wen ist der Kurs geeignet?
Der Workshop richtet sich an Programmierer*innen und technisch interessierte Fachkräfte, die KI-Bilderkennung mit Python und Deep Learning praktisch umsetzen möchten.
Vorausgesetzt werden fundierte Kenntnisse in mindestens einer Programmiersprache. Kenntnisse in Python sind ideal, aber nicht zwingend erforderlich.
Was erhalten Teilnehmer?
Die Teilnehmer arbeiten während des Workshops mit Jupyter Notebooks und High-Performance-GPUs in der Cloud. Der Zugriff erfolgt über den Webbrowser.
Nach dem Workshop wird das verwendete Seminar-Setup für weitere Übungen bereitgestellt:
- GPU-Host mit Serverstandort in Europa
- Datenspeicherung in Europa
- Linux-Server-Setup
- Eine Woche GPU-Rechenzeit für den Einstieg
- Startguthaben für etwa 30 Stunden GPU-Rechenzeit
Für die weitere Nutzung ist eine kostenlose Registrierung beim GPU-Host erforderlich. Die verfügbare Rechenzeit kann abhängig von der aktuellen Preisgestaltung des GPU-Anbieters variieren.
Warum dieser Workshop?
Der Workshop verbindet die Grundlagen von Deep Learning mit praktischer KI-Bilderkennung in Python. Die Teilnehmer programmieren und trainieren neuronale Netze selbst mit Keras/TensorFlow und arbeiten dabei auf einer eigenen GPU-Umgebung.
Mit Bildklassifizierung, Objektdetektion und semantischer Segmentierung werden drei typische Einsatzfelder der KI-Bilderkennung behandelt. Das vermittelte Wissen bildet die Grundlage, um weitere Deep-Learning-Anwendungsfälle selbstständig zu bearbeiten.
Agenda
Begrüßung und Organisatorisches
- Vorstellungsrunde
- Erwartungen der Teilnehmer
- Jupyter Notebook
- Rechnen in der Cloud
Grundlagen von Maschinellem Lernen und Künstlicher Intelligenz (KI)
- Kurze Einführung und Geschichte des Deep Learning
- KI, Deep Learning und Machine Learning
- Beispiele von Deep Learning Algorithmen in heutigen Produkten
- Ein erstes einfaches Netz selbstständig mit Keras umsetzen und trainieren
Daten Vorbereitung
- Overfitting beim Trainieren von Machine Learning Algorithmen
- Train-Validation-Test Datensplit zur Detektion von Overfitting
- Datennormalisierung
- One-Hot encoding
- Anwendung auf den MNIST Datensatz
Multi-Layer-Perceptron (MLP) in Keras/Tensorflow (Neuronales Netz)
- Wichtige Bauteile eines MLPs: Perceptron, Gewichte, Bias
- Non-linearities (Aktivierungsfunktionen)
- Softmax bei Klassifizierungsaufgaben
Ein Netzwerk trainieren und auf neue Daten anwenden
- Verschiedene Loss-Funktionen
- Backpropagation: Trainieren von den Gewichten
- Initialisierung der Gewichte
- Epoche und Batch-Size
- Den Output während des Trainings interpretieren
- Das trainierte Netzwerk zur Vorhersage von neuen Daten verwenden
