Data Scientist Specialized in Deep Learning (zertifiziert)

Applied Deep Learning

Sie lernen aktuelle Verfahren des maschinellen Lernens und tiefe Lernverfahren kennen und vertiefen sie in einem Einsatzbereich. Um den Wissenstransfer in Ihr Unternehmen sicher zu stellen, arbeiten Sie an praktischen Aufgaben in einem »virtuellen Labor«. Dabei wechseln zwei Präsenzphasen mit Phasen selbstständiger Arbeit, wo Sie im virtuellen Labor eine umfangreichere Aufgabe bearbeiten, Ihren Fortschritt dokumentieren und bei Bedarf Rücksprache mit unseren Expert*innen halten. Damit sind Sie bestens vorbereitet, um für die Zertifizierung zum »Senior Data Scientist« im selben Lernlabor ein Analyseprojekt eigenständig zu bearbeiten.

Das virtuelle Labor besteht aus einem umfangreichen Toolkit mit bewährter Open-Source-Software und Zugriff auf leistungsfähige Hardware. Jupyter Notebooks erlauben nicht nur die Programmierung und Ausführung von Python-basierten Applikationen, sondern eignen sich mit ihren vielfältigen Annotationsmöglichkeiten ideal für den Austausch mit unseren Fachleuten. Das ganze Lernlabor ist web-gestützt: Sie benötigen lediglich ein internetfähiges Endgerät mit einem aktuellen Webbrowser, um das Labor (auch mobil) nutzen zu können.

Die Zertifizierung findet durch die Fraunhofer-Personenzertifizierungsstelle statt. Das Zertifikat bescheinigt den Absolvent*innen relevantes innovatives Praxiswissen und nachgewiesene Kompetenz.

Zielgruppe: Analyst*innen, Software-Entwickler*innen und Interessierte aus der Forschung, die mit maschinellen Lernverfahren aus Daten automatisch statistische Modelle entwickeln möchten, die in intelligenten Systemen zum Einsatz kommen.

Voraussetzungen: Vorkenntnisse in Statistik, Maschinellem Lernen und solide Programmiererfahrung (vorzugsweise in Python).

Voraussetzungen für die Zertifizierung: Studium oder äquivalente Qualifikation durch Einzelnachweis.

Sprache: Vorträge in Deutsch, Material in Englisch

Abschluss: Zertifikat »Data Scientist Specialized in Deep Learning«

Rahmen

Veranstaltungsorte:

Sankt Augustin:

Fraunhofer IAIS
Schloss Birlinghoven 1
53757 Sankt Augustin

oder

Stuttgart:

Fraunhofer IPA
Nobelstraße 12
70569 Stuttgart

 

Das Angebot zum Gesamtpreis von 5.300 Euro beinhaltet

  • den dreitägigen Grundkurs „Applied Deep Learning“ mit anschließender schriftlicher Prüfung am vierten Tag und Praxisphase (ca. 3 Arbeitstage im Zeitraum von 2 Monaten), 
  • einen zweitägigen Vertiefungskurs in Sankt Augustin oder bei einem Partnerinstitut mit anschließender Praxisphase (ca. 2 Arbeitstage im Zeitraum von 2 Monaten)

 

    Die Teilnahmegebühr ist steuerfrei gem. § 4 Nr. 22a UStG. Sie umfasst Begleitunterlagen (auf Englisch) und Verpflegung.

    Bitte beachten Sie die Storno- und Teilnahmebedingungen sowie die Datenschutzerklärung.

    Maximale Teilnehmer*innenzahl: 15 

    Die Anmeldungen werden in der Reihenfolge des Eingangs berücksichtigt.

    Das Anmeldeformular finden Sie im jeweiligen Vertiefungskurs.

     

    Es besteht die Möglichkeit den Grundkurs ohne Prüfung einzeln zu buchen. Der Einzelpreis beträgt 2.850 Euro (ohne Prüfungsgebühr).

    Bitte nutzen Sie zur Anmeldung ohne Prüfung das Formular am Ende dieser Seite.

Die Vertiefungsmodule

Deep Learning for Text Mining

Image and Video Understanding

Zeitreihenanalyse

Cognitive Robotics

Skalierbares Lernen

Cognitive Cyber Security

Applied Deep Learning (Grundkurs)

Fortschritte in moderner Grafikhardware und parallelen Optimierungsmethoden haben in den letzten Jahren die Anwendung von Verfahren des Deep Learning auf umfangreiche Aufgaben der Mustererkennung ermöglicht. Diese Modelle enthalten oft Millionen freier Parameter und erreichen in vielen Anwendungsbereichen wie Bilderkennung, Spracherkennung, Computerspielen mittlerweile das Niveau menschlicher Expert*innen. Dies ermöglicht eine Vielzahl von neuen Lösungen in Branchen wie Medizin, Medien, Werbung, Finanzen. Zudem erlauben sie die Ableitung von effektiven Steuerungen für dynamische Spielsituationen und die Berechnung von Auswahlempfehlungen für Nutzergruppen.

Sie lernen an praktischen Beispielen verschiedene Lernverfahren und ihren Einsatzmöglichkeiten auf Basis von Python und Google TensorFlow kennen.

Tag 1

  • Einführung in Deep Learning
  • Einführung in TensorFlow
  • Basismodule des Deep Learning
  • Unüberwachtes Lernen mit neuronalen Netzen

Tag 2

  • Konvolutionale Neuronale Netze (ConvNets) zur Bilderkennung
  • Rekurrente neuronale Netze und Zeitreihenanalyse zur Verarbeitung von Sequenzen
  • Gegeneinander agierende Netze 
  • Netze zur Speicherung gelernter Inhalte

Tag 3

  • Verstärkungslernen mit neuronalen Netzen
  • Anwendung auf Gaming und Roboter-Navigation
  • Empfehlungssysteme für Videos und Musik
  • Kollaboratives Filtern zur Auswertung von Benutzergruppen

Tag 4

  • Schriftliche Prüfung

Praxisphase

  • Übungen im virtuellen Labor im Aufwand von 3 Arbeitstagen im Zeitraum von 3 Monaten

Termine und Anmeldung

Nur für Applied Deep Learning ohne Prüfung. Falls Sie die Prüfung mitbuchen wollen, tun Sie dies bitte über eine der Vertiefungsmodule. Dort können Sie Applied Deep Learning mit Prüfung einzeln oder zusammen mit dem ausgewählten Vertiefungsmodul buchen. Vertiefungsmodule können ebenfalls einzeln gebucht werden.

* Pflichtfelder

Grundkurs »Applied Deep Learning« (ohne Prüfung)
Hinweis: Gemäß Datenschutzgrundverordnung (DSGVO) unterrichten wir Sie über die Speicherung Ihrer Daten. Die Einwilligung zur Speicherung und Nutzung Ihrer Daten erfolgt freiwillig und kann jederzeit widerrufen werden.
Stornogebühren

Unsere Referenten

Diese Schulung wird von Fraunhofer IAIS in Kooperation mit Fraunhofer IPA durchgeführt.

Dr. Gerhard Paaß ist Senior Scientist am Fraunhofer IAIS, hat langjährige Erfahrung als Projektleiter von angewandten Forschungs- und Wirtschaftsprojekten sowie als Dozent an den Universitäten Bonn, Leipzig und Brisbane. Er hat die Textmining-Gruppe am Fraunhofer IAIS gegründet und ist maßgeblich an der Entwicklung von Verfahren zur semantischen Analyse von Texten beteiligt. Aktuelle Arbeitsschwerpunkte sind Informationsextraktion, Textklassifikation sowie semantisches Lernen durch Deep Neural Networks.

Prof. Dr. Marco Huber ist Inhaber der Professur für kognitive Produktionssysteme an der Universität Stuttgart. Zugleich leitet er die Abteilung Bild- und Signalverarbeitung sowie das Zentrum für Cyber Cognitive Intelligence (CCI) am Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA in Stuttgart. Seine Forschungsarbeiten konzentrieren sich auf die Themen maschinelles Lernen, erklärbare Künstliche Intelligenz (xAI), Sensordatenanalyse, Bildverarbeitung und Robotik im produktionstechnischen Umfeld.

Dr. Alexander Kister ist promovierter Mathematiker und seit 2016 als Data Scientist am Fraunhofer-Institut IAIS tätig. Sein Interessensschwerpunkt ist die Analyse von Daten aus Cyber-physischen Systemen, insbesondere im Industrie 4.0 Kontext.