Campusleben_HAW_Hamburg_53

Lehrende_HAW_Hamburg_19

Studierende_HAW_Hamburg_9

Informationen für:

texten

Machine Learning

Kompaktworkshop: Python – Maschinelles Lernen – Deep Learning

Das anbrechende Zeitalter selbstlernender Algorithmen bringt aktuell vielfältige technische und gesellschaftliche Herausforderungen mit sich und erfordert einen rasant wachsenden Bedarf an Expertise für Künstliche Intelligenz und Maschinelles Lernen. Die Experten vom Creative Space for Technical Innovations (CSTI) der HAW Hamburg vermitteln in diesem Workshop das Know-how, um diesen Bedarf passgenau zu decken.

Das Seminar besteht aus zwei Themenblöcken. Im eintägigen „Kompaktkurs Python“ erwerben Sie die für die Anwendung der Algorithmen nötigen Grundkenntnisse der Programmiersprache Python. Als Vorbereitung auf die unterschiedlichen Verfahren des Maschinellen Lernens werden vorab Verfahren der nummerischen Aufbereitung von Daten und der Visualisierung vorgestellt. Der darauf aufbauende zweitägige Block „Maschinelles Lernen und Deep Learning“ führt in die Technologie des maschinellen Lernverfahrens ein. Schrittweise werden die für das Verständnis notwendigen theoretischen Grundlagen vorgestellt und in praktischen Übungen experimentell vertieft.

Anmeldung

Neue Termine in Planung.

Falls Sie sich bereits jetzt als Interessent/in vormerken lassen möchten, schreiben Sie bitte an das Service-Team:

weiterbildung(@)haw-hamburg.de

Auf einen Blick      
AbschlussTeilnahmebescheinigung
VoraussetzungenAbgeschlossene Berufs- oder Hochschulausbildung sowie fundierte Programmierkenntnisse in einer objektorientierten Programmiersprache
Studienformberufsbegleitend, hohe Praxisorientierung
Umfang27 Stunden 
TerminNeue Termine in Planung
KostenSelbstzahler 1.550,- Euro, Firmenkunden 1.950,- Euro

Alle Informationen zu diesem Angebot

Antwort auf/zuklappen Inhalte

Teil 1: Programmschulung Python

Beschäftigt man sich mit den Grundlagen des Maschinellen Lernens, so trifft man in der Anwendung immer wieder auf zwei Programmiersprachen: „R“ oder „Python“. Python wird auch in vielen anderen Anwendungsbereichen außerhalb des Maschinellen Lernen eingesetzt, ist plattformunabhängig, leicht erlernbar und gut erweiterbar. Letzteres führt dazu, dass hochoptimierte numerische Verfahren und Algorithmen in Python eingebunden wurden. Entsprechend sind Algorithmen des Maschinellen Lernens für Python verfügbar.

Themenschwerpunkte

  • Philosophie, Tools und Entwicklungsmethodik von Python-Programmen
  • Grundelemente wie Daten- und Kontrollstrukturen, Klassen und Objekte
  • Nummerische Datenverarbeitung (numpy, pandas)
  • Visualisierung von Daten (matplotlib)


Teil 2: Maschinelles und Deep Learning - Einführung in die Technologie der maschinellen Lernverfahren

Komplexe Mustererkennung, so die Erkennung von Gegenständen in Bildern, ist nicht unmittelbar durch den Einsatz von Algorithmen realisierbar. Im Gegensatz zu Algorithmen, bei denen der Entwickler den Zusammenhang zwischen Ein- und Ausgangsdaten kennen und in Form eines Programms beschreiben muss, lernen maschinelle Lernverfahren solche Zusammenhänge selbstständig anhand von Lernbeispielen.

In den letzten Jahren revolutionieren vor allem die sog. tiefen Neuronalen Netze den Bereich der Mustererkennung. Traditionelle Verfahren, z.B. zur Gesichtserkennung in Bildern oder zur Spracherkennung, werden durch neuronale Verfahren deutlich übertroffen. Komplexe Aufgabenstellungen wie etwa die Lokalisierung von Fußgängern und Radfahrern etc. werden damit möglich.

Einführung in Verfahren maschinellen Lernens

In der Einführung in maschinelle Lernverfahren werden am zweiten Kurstag zunächst die theoretischen Grundlagen vorgestellt und in praktischen Übungen experimentell vertieft.

Es werden z.B. unüberwachte Lernverfahren behandelt, die u.a. Anwendungsfälle ohne bekanntes Vorwissen (Data-Mining) erlauben. Dazu werden die Verfahren auf gesammelte Daten angewendet, um z.B. bisher unbekannte systematische Zusammenhänge oder Gruppen ähnlicher Daten zu identifizieren.

Deep Learning

Am dritten Kurstag geht es um einen Einstieg ins Deep Learning mit Neuronalen Netzen. Durch Modifikation und Ergänzung vorbereiteter Codeschnipsel lernen die Teilnehmer/innen die Arbeitsweise der Lernverfahren kennen und erfahren, wie sich verschiedene Parameter (z.B. Netzgröße, Netztiefe, Datennormalisierung, Regularisierung) auf das Lernverhalten und die Qualität etwa eines Neuronalen Netzes auswirken. Schließlich wird die Vorverarbeitung der Daten behandelt wie die Datenaufbereitung (z.B. durch Filtern oder Glätten), die Auswahl geeigneter Daten aus großen gesammelten Datenmengen oder die Datengenerierung auf Basis der Datensammlung.

Themenschwerpunkte

  • Algorithmen und lernende Systeme, Anwendungsbeispiele
  • Aufbau und Arbeitsweise eines neuronalen Netzes
  • Lernalgorithmus (Gradientenabstieg)
  • Training eines einfachen Neuronalen Netzes, Fehlermaße, typische Fehlerquellen
  • Verbesserung des Lernverhaltens 
  • Vermeidung von Overfitting
  • Gründe für tiefe Netzwerke
  • Konzepte und Komponenten tiefer Netzwerke
  • Bildanalyse mit Faltungsnetzwerken (Convolutional Neural Networks)
  • Neuronale Netze für die Analyse von Zeitreihen und Sensorsignalen (Moving Window, Recurrent Neural Networks)
  • Unüberwachte Lernverfahren zur Clusteranalyse (k-means, DBSCAN u.a.)
  • Unüberwachte Verfahren zur Dimensionsreduktion
  • Data-Mining und Datenvisualisierung mit unüberwachten Lernverfahren - Datenvorverarbeitung
Antwort auf/zuklappen Teilnahmevoraussetzungen

Um an der Weiterbildung teilnehmen zu können, benötigen Sie eine abgeschlossene Berufs- oder Hochschulausbildung sowie fundierte Programmierkenntnisse in einer objektorientierten Programmiersprache wie z.B. C++/C#/Java.

Antwort auf/zuklappen Zielgruppe

Die Weiterbildung richtet sich an akademisch vorgebildete Fachkräfte in der IT-Industrie, an Nachwuchskräfte sowie Mitarbeiter/innen aus kleinen und mittleren Unternehmen aus angrenzenden Bereichen der Informatik, die einen Einstieg in Maschinelles Lernen benötigen, um sich zügig und effektiv weiter zu bilden.

Antwort auf/zuklappen Zeitaufwand und Kosten

Zeitumfang

Der Kurs umfasst drei Präsenztage  (27 Std.)

Unterrichtszeiten: jeweils 10.00 – 18.00 Uhr

Kosten

Die Teilnahmegebühr beträgt für Selbstzahler 1.550,- Euro, Firmenkunden bezahlen 1.950,- Euro.

Antwort auf/zuklappen Abschluss

Nach erfolgreicher Teilnahme erhalten Sie eine Teilnahmebescheinigung des Zentrums für Praxisentwicklung (ZEPRA) an der HAW Hamburg.

Antwort auf/zuklappen Terminplan

Neue Termine in Planung

Antwort auf/zuklappen Lehrende

Wissenschaftliche Leitung

Prof. Dr. Kai von Luck,
Professor für Angewandte Informatik, HAW Hamburg.

Schwerpunkte: Künstliche Intelligenz,  Ambient Intelligence, Smart (Seamless) Interaction, Human Computer Interaction

Dozenten

Prof. Dr. Thomas Lehmann,
Professor für die Programmierung verteilter technischer Anwendungen, Informatik an der HAW Hamburg

Prof. Dr. Andreas Meisel,
Prof. für Informatik an der HAW Hamburg
Schwerpunkte:  Bildverarbeitung und Maschinenlernen

Prof. Dr. Tim Tiedemann, Professor für Intelligente Sensorik an der HAW Hamburg.

Antwort auf/zuklappen Kontakt

Inhaltliche Fragen:

Dr. Susanne Draheim, T + 49.40.42838 - 8408, susanne.draheim(@)haw-hamburg.de

Susanne Lesser, T + 49.40.42875 - 7045, susanne.lesser(@)haw-hamburg.de

Organisatorische Fragen

T + 49.40.42875 - 7070, weiterbildung(@)haw-hamburg.de

Durchführung und Veranstaltungsort

Hochschule für Angewandte Wissenschaften Hamburg
Fakultät Technik und Informatik
Labor CSTI
Steindamm 94
20999 Hamburg

Organisation und Anmeldung

Hochschule für Angewandte Wissenschaften Hamburg
Fakultät Wirtschaft und Soziales
ZEPRA – Zentrum für Praxisentwicklung
Alexanderstraße 1
20099 Hamburg

Antwort auf/zuklappen Informationsmaterial

Flyer „Machine Learning“

Letzte Änderung: 24.10.18

An die Redaktion

Kontakt

Inhaltliche Fragen:
Dr. Susanne Draheim
T + 49.40.42875 - 8408
susanne.draheim(@)haw-hamburg.de


Organisatorische Fragen
T + 49.40.42875 - 7070
weiterbildung(@)haw-hamburg.de

Organisation
Hochschule für Angewandte Wissenschaften Hamburg
Fakultät Wirtschaft und Soziales
ZEPRA – Zentrum für Praxisentwicklung
Alexanderstraße 1
20099 Hamburg

Fördermöglichkeiten

Es gibt zahlreiche Fördermöglichkeiten für Weiterbildung. Hier erfahren Sie
| mehr...|