Dieser Kurs wird in deutscher Sprache gehalten und richtet sich in erster Linie an Teilnehmer aus Klein- und Mittelbetrieben (KMU).

Inhalt:

- Was versteht man unter „Maschinellem Lernen“?
- Was ist der Unterschied zu künstlicher Intelligenz und Deep Learning?
- Maschinelles Lernen im Alltag und in Zukunft
- Kleiner Mathematik Crashkurs
- Was sind die verschiedenen Lernmethoden und für welche Anwendungsfälle eignen sich diese?
- Was sind neuronale Netze? Aufbau, Prinzip und Lernprozess.
- Kleiner Python Auffrischungskurs. Kennelernen von Jupyterlab.
- Kennenlernen von Pythonbibliotheken „NumPy“, „SciPi“, „Pandas“, „Scikit-learn“, „Matplotlib“, „Tensorflow“ und „Keras“
- Geeignete Datensets finden und laden
- Daten aufbereiten
- Modelle aufstellen, trainieren, validieren und testen
- Kleinere ML Projekte über den Kurs verteilt

Ziele:

Sie haben nach dem Kurs folgende Kompetenzen erworben:

- Sie kennen die typischen Anwendungsgebiete von ML
- Sie kennen die statistischen und mathematischen Grundlagen wie z.B.: lineare Regression, Optimierungsfunktion, etc.
- Sie wissen, woher man Daten für das eigene Projekt bekommt
- Sie können vorhandene Daten aufbereiten
- Sie können ein geeignetes Lernverfahren für eigene Projekte wählen
- Sie können des gewählte Modell in Python, Tensorflow und Keras aufstellen
- Sie können das eigene Modell trainieren
- Sie können das eigene Modell testen
- Sie können Verbesserungen (z. B. Transformation von Datensätzen/Datenaugmentierung) vornehmen
- Sie sind in der Lage, Ergebnisse zu visualisieren

Ideal für:

- Unternehmen oder öffentliche Einrichtungen, die aus ihren Daten Mehrwert schöpfen wollen
- Personen aus dem Bereich Marketing, Qualitätsmanagement, Service Personalization, Computer Vision, etc.
- Personen die zwar IT-affin sind aber noch keine ML Erfahrungen gemacht haben

Voraussetzungen:

- Mathematik auf Maturaniveau (Wissen darf aber durchaus verstaubt sein)
- Python Grundkenntnisse von Vorteil

Hands-on Labs:

- Die Teilnehmer verwenden ihren eigenen Laptop oder Workstation für die praktischen Übungen.
- Wir werden Anaconda (https://www.anaconda.com/, öffnet eine externe URL in einem neuen Fenster) verwenden und genauere Details zur Software-Installation und zum Environment werden rechtzeitig vor Kursbeginn bekannt gegeben.
- Zusätzlich erhalten alle Teilnehmer einen temporären Zugang zum VSC für den letzten Kurstag, jeder aktuelle Browser ist ausreichend um sich zum VSC Jupyterhub zu verbinden und ein neuronales Netzwerk auf den HPC Systemen des VSC zu trainieren.

Abschluss:

Sie erhalten im Anschluss eine Teilnahmebestätigung.

Trainer:

Simeon Harrison (EuroCC Austria and VSC Research Center, TU Wien)

Sprache:

Kurssprache ist Deutsch.

Datum, Uhrzeit und Ort/Kursformat:

07.-11.11.2022, 09:00 - 17:00 CET, Live-Online-Kurs (via Zoom)
Tageskurs an 5 aufeinanderfolgenden Tagen als Live-Online-Kurs (via Zoom).
Dieser Kurs findet ausschließlich online statt.

Kursunterlagen:

Die Kursunterlagen werden den angemeldeten Teilnehmern zu Kursbeginn zur Verfügung gestellt.

Preis:

750 EUR/Person (inklusive Unterlagen)