Deep Learning beginnt da, wo klassische Methoden des Machine Learnings an seine Grenzen stossen. Lernen Sie das Potenzial und die Grenzen verschiedener Deep Learning Arten und deren Anwendungsgebiete kennen und umzusetzen.
Wir befinden uns im digitalen Zeitalter. Unternehmen stehen eine Vielzahl von Daten zur Verfügung, deren Umfang Menschen nicht mehr erfassen können. Um dieses Wissen aus den Daten zu extrahieren, bedarf es computergestützter Methoden, welche automatisiert relevante Informationen für Geschäftsfragen extrahieren können. Doch die Komplexität und schiere Grösse vieler Datensätze bringen klassische Methoden des maschinellen Lernens an seine Grenzen. Um aus solchen Datensätzen Wissen zu generieren, bedarf es daher Deep-Learning-Methoden. In diesem Kurs lernen Sie die Grundlagen dieser Methoden und Anwendungsgebiete kennen.
Modulübersicht
Sie wissen, wie und warum Deep Learning funktioniert und wie man es einsetzt, um das Potential Ihres Unternehmens zu steigern.
Sie verstehen die Möglichkeiten, die Deep Learning eröffnet, aber wissen auch um dessen Grenzen.
Sie können Deep Learning Modelle implementieren, trainieren und anwenden. Ferner können sie solche Modelle evaluieren und miteinander vergleichen.
Sie kennen die Bedeutung der folgenden Begriffe und ihre Rolle im Deep Learning: Gradient Descent, Backpropagation, Hyperparameter Tuning, Datensatzaufbereitung, Loss-Funktionen
Sie verstehen sich auf die Verwendung von Python Bibliotheken für Deep Learning: PyTorch, TensorFlow
Sie kennen verschieden Arten von Deep Learning Modellen und deren Anwendungsgebiete, z. B. Multi-Layer Perceptron, Convolutional Neural Network, Recurrent Neural Network und Multi-Layer Perceptron
Sie verfügen über ein Grundverständnis in linearer Algebra bzw. Vektoren, Matrizen und Tensoren.
Sie verfügen über Python Grundkenntnisse und können ein einfaches Machine Learning Modell in Python mit scikit-learn trainieren, evaluieren und anwenden.
Bevor der Kurs startet, wird von Ihnen erwartet, dass Sie
Ein Google CoLab geöffnet und sich mit der grundlegenden Bedienung vertraut gemacht haben.
Grundlagen zu Machine Learning und Linearer Algebra repetiert haben.
Einführung zu Deep Learning anhand zur Verfügung gestellter Anleitung angeeignet haben.
Weitere Informationen
Sie erhalten in jedem Fall eine Teilnahmebestätigung. Falls Sie in der festgelegten Leistungsbeurteilung mindestens eine genügende Leistung erbringen, erhalten Sie einen Nachweis, dass Sie das Modul erfolgreich bestanden haben.
Teilnehmenden des DAS- oder MAS-Data-Science-Weiterbildungslehrgangs werden die entsprechenden ETCS-Punkte angerechnet.
1. September 2023
8. September 2023
8 Teilnehmende
CHF 1‘200.- für ehemalige CAS / DAS Data Science-Teilnehmende CHF 1‘600.- (Externe)
