Deep Learning mit zeitabhängigen Daten

Classroom Schulung | deutsch | Anspruch

Schulungsdauer: 2 Tage

Ziele

Das Seminar vermittelt den Teilnehmern Kenntnisse zur Verarbeitung und Vorhersage zeitlich abhängiger Daten. In diese Kategorie fallen beispielsweise Textanalyse, Natural language processing (NLP) und allgemein Zeitreihen wie Marktpreisentwicklungen.

Nach diesem Seminar können die Teilnehmer selbstständig für ihr eigenes Problem Neuronale Netze entwerfen, trainieren und evaluieren. Dabei kommen vor allem Techniken zum Einsatz, die speziell zur Ausnutzung zeitlicher Informationen entwickelt wurden, wie zum Beispiel Rekurrente Neuronale Netze.

Ablauf und Methodik

Das Seminar setzt auf eine Mischung aus Theorie und angeleiteten Rechnerübungen. Die Teilnehmer lernen Probleme in der Theorie zu verstehen, Lösungsmöglichkeiten anzuwenden und am Rechner in Teams von 2-3 Personen selbst zu verifizieren. Dabei werden TensorFlow und Python als Werkzeuge zum Einsatz kommen.

Voraussetzungen

  • Grundlagen Neuronale Netze und CNNs
  • Grundsätzliches Programmierverständnis
  • Python-Kenntnisse sind hilfreich aber nicht notwendig
  • Keine eigene Hardware notwendig

oder die Kenntnisse, die Sie in dem Kurs Neuronale Netze & Deep Learning erwerben.

Agenda

  • Auffrischung Grundlagen neuronaler Netze und Ein-führung in TensorFlow
  • Recurrent Neural Networks (RNN) am Beispiel der Textvervollständigung
  • Backpropagation through time (BTT)
  • Long-Short-Term Memory (LSTM)
  • Gated Recurrent Unit (GRU)
  • Temporal Convolutional Networks (TCN)
  • Embeddings zum Sprachverstehen
  • Attention
  • Sequenzmodellierung
  • Praktische Anwendungsbeispiele
  • Dokumentenerkennung
  • Erkennung von Sinnbezügen in Texten
  • Vorhersage von Marktpreisen (Regression)

Ziele

Das Seminar vermittelt den Teilnehmern Kenntnisse zur Verarbeitung und Vorhersage zeitlich abhängiger Daten. In diese Kategorie fallen beispielsweise Textanalyse, Natural language processing (NLP) und allgemein Zeitreihen wie Marktpreisentwicklungen.

Nach diesem Seminar können die Teilnehmer selbstständig für ihr eigenes Problem Neuronale Netze entwerfen, trainieren und evaluieren. Dabei kommen vor allem Techniken zum Einsatz, die speziell zur Ausnutzung zeitlicher Informationen entwickelt wurden, wie zum Beispiel Rekurrente Neuronale Netze.

Ablauf und Methodik

Das Seminar setzt auf eine Mischung aus Theorie und angeleiteten Rechnerübungen. Die Teilnehmer lernen Probleme in der Theorie zu verstehen, Lösungsmöglichkeiten anzuwenden und am Rechner in Teams von 2-3 Personen selbst zu verifizieren. Dabei werden TensorFlow und Python als Werkzeuge zum Einsatz kommen.

Voraussetzungen

  • Grundlagen Neuronale Netze und CNNs
  • Grundsätzliches Programmierverständnis
  • Python-Kenntnisse sind hilfreich aber nicht notwendig
  • Keine eigene Hardware notwendig

oder die Kenntnisse, die Sie in dem Kurs Neuronale Netze & Deep Learning erwerben.

Agenda

  • Auffrischung Grundlagen neuronaler Netze und Ein-führung in TensorFlow
  • Recurrent Neural Networks (RNN) am Beispiel der Textvervollständigung
  • Backpropagation through time (BTT)
  • Long-Short-Term Memory (LSTM)
  • Gated Recurrent Unit (GRU)
  • Temporal Convolutional Networks (TCN)
  • Embeddings zum Sprachverstehen
  • Attention
  • Sequenzmodellierung
  • Praktische Anwendungsbeispiele
  • Dokumentenerkennung
  • Erkennung von Sinnbezügen in Texten
  • Vorhersage von Marktpreisen (Regression)

Tags

Diese Seite weiterempfehlen