GFU Cyrus AG | Machine Learning: Grundlagen kompakt

Computersysteme werden immer „intelligenter“: AlphaGo Zero gewinnt das Go-Duell gegen den besten menschlichen Go-Spieler, Spracherkennungen wie Siri, Alexa oder Cortana verstehen zunehmend komplexere Anfragen, und Autos fahren autonom in echtem Straßenverkehr. Was steckt dahinter? Diese Schulung gewährt Ihnen einen ersten Einblick in das Maschinelle Lernen (machine learning) mit Neuronalen Netzen, wozu u.a. auch die Methode des deep learning gehört, welche derzeit in vielen Anwendungsbereichen erstaunliche Leistungen vollbringt.

Dabei lernen Sie vor allem, mit welchen Konzepten und Algorithmen Computer aus Beispielen lernen. Hinweise auf Beispiele und (freie) Tools für Maschinelles Lernen mit Neuronalen Netzen runden die Schulung ab und erlauben Ihnen, im Anschluss mit Ihren eigenen Daten zu experimentieren.

Aus dem Seminarinhalt: 

Intelligente Agenten

  • Struktur von Agenten, Agentenprogramm, Agentenfunktion
  • Agenten-Grundtypen
  • Modellbasierter Reflexagent
  • Lernender Agent

Maschinelles Lernen

  • Lernformen: nicht überwachtes Lernen, verstärkendes Lernen, überwachtes Lernen
  • Lernen aus Beispielen
  • Trainingsmenge versus Testmenge
  • Generalisierungsfähigkeit der gelernten Abbildung
  • Problem der Überanpassung

Neuronale Netze, Multi Layer Perceptrons

  • Vom biologischen zum technischen Neuron
  • Perceptron
  • Nichtlineare Aktivierungsfunktionen
  • Multi-Layer-Perceptrons (mehrschichtige neuronale Netze)
  • Lernalgorithmus "Backpropagation of Error"
  • Beispiele zu Regression und Klassifikation mit Multi Layer Perceptrons
  • praktische Tipps
  • deep learning
  • Beispiele und Demos zu deep learning

Neuronale Netze, Convolutional Neural Networks (CNN)

  • Grundidee und Topologie CNN
  • Beispiele und Demos zu Convolutional Neural Networks / Deep Learning

Neuronale Netze, Recurrent Neural Networks (RNN, LSTM)

  • Grundidee und Topologie RNN
  • Lernalgorithmus "Backpropagation Through Time"
  • Long Short-Term Memory Networks (LSTM)
  • Beispiele und Demos zu RNN und LSTM

Support-Vektor-Maschinen

  • Grundidee und Unterschied zu Neuronalen Netzen
  • Kernel-Trick zur Garantie der Linearen Separierbarkeit in höheren Dimensionen
  • Beispiele und Demos zu Support Vector Machines
  • Praktische Tipps

Weitere Informationen

  • Kategorie: Seminare
  • Thema: Künstliche Intelligenz
  • Titel: Machine Learning: Grundlagen kompakt
  • Anbieter: GFU Cyrus AG
  • Kontakt E-Mail: Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein!
  • Service Telefon: +49 (0) 221 - 82 80 90
  • Veranstaltungsort: Köln