Wissenstransfer par excellence
Nürnberg, 5. – 7. September 2017

Dark Science mit Deep Learning: Einführung in modernes Maschinelles Lernen mit Python

Es gibt Probleme, die sind so komplex, dass das Ausprogrammieren ihrer Lösung entweder viel zu teuer oder momentan unmöglich wäre. Ziel von Maschinellem Lernen (ML) als Disziplin der Künstlichen Intelligenz (KI) ist es, solche Probleme zu bewältigen, indem Systeme in erster Linie nicht programmiert, sondern trainiert werden. Deep Learning (DL) als Teilgebiet des ML verwendet sog. tiefe neuronale Netze.

Neu ist dieser Ansatz nicht. Neu ist hingegen der Erfolg, den heutzutage die schier grenzenlose Masse an verfügbaren Daten und die unbändige Rechenleistung möglich machen. Mit TensorFlow und Keras bietet sich jetzt die Möglichkeit, diese hoch komplexen Netze mit wenig Aufwand zu definieren.

Skills
Teilnehmer sollten grundlegende Programmierkenntnisse in Python besitzen und ein Notebook mitbringen. Wir empfehlen als IDE die PyCharm Community Edition (http://bit.ly/1Sqq9Gi).

Lernziele
* Vermitteln der Grundkenntnisse von KI, ML und DL
* Einrichtung der Entwicklungsumgebung
* Erläuterung der API von TensorFlow und Keras
* Umsetzen von MNIST, der HelloWorld-Anwendung des ML
* Unterstützung beim Ausprobieren weiterer Domänen

Referent

Fabian Witt Fabian Witt

hat seinen Master in Data & Knowledge Engineering an der Otto-von-Guericke-Universität Magdeburg gemacht. In dieser Zeit hat er sich speziell mit Themen wie Maschinellem Lernen, Data Mining und Schwarmintelligenz befasst. Bei der Firma Redheads Ltd. ist er als Technical Lead für den Bereich Data Science verantwortlich.