Storage Training

Storage Training
Kontakt | Standorte

 Sie sind hier: Home >> Workshops >> Künstliche Intelligenz >> AI225 Einführung in Deep Learning und KI

Finden:
Workshops 
  AWS 
  Backup & Recovery 
  Brocade 
  Cloud 
  Commvault 
  Datenbanken 
  DevOps 
  Fujitsu 
  Governance, Risk & Compliance  
  Hochverfügbarkeit 
  Industrie 4.0 
  Künstliche Intelligenz 
  Linux/Unix 
  Microsoft 
  NetApp 
  NetApp für Partner 
  Netzwerke 
  SAP 
  Security & Datenschutz 
  Softwareentwicklung 
  Storage Solutions 
  Veeam 
  Virtualisierung 
  Web-Seminare 
  Zertifizierungen 

Training: Künstliche Intelligenz

AI225 Einführung in Deep Learning und KI

 

Kursbeschreibung (description):
Teilnehmende erhalten eine praxisnahe Einführung in Deep Learning und KI. Vermittelt werden Grundlagen neuronaler Netze, Modellarchitekturen und Training. Behandelt wird der Einsatz von Python und Bibliotheken wie TensorFlow und Keras, einschließlich vortrainierter Netze und Transfer Learning, um KI-Anwendungen schneller zu entwickeln und praktisch umzusetzen.
Zielgruppe (target group):
  • Entwickler
  • IT-Fachkräfte
  • Fachkräfte ohne Programmiererfahrung

Voraussetzungen (requirements):
 

Ziele (objectives):

Grundlagen neuronaler Netze verstehen, wichtige Konzepte kennenlernen, Modelle entwerfen und anpassen, mit Python und TensorFlow arbeiten, vortrainierte Netze und Transfer Learning nutzen können.


Preis und Dauer (price and duration):
Dauer (duration): 1 Tag
Schulungslänge (course length): 04:30 Stunden (inkl. Pausen)
Preis (price): 450,- Euro zzgl. MwSt.
Gerne führen wir dieses Training auch inhouse bei Ihnen vor Ort durch, bitte sprechen Sie uns an.

Eine Druckansicht dieses Workshops finden Sie hier.
Termine (dates):
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
Inhalte (agenda):
  • Einführung in neuronale Netze und Deep Learning

  • Wichtige Konzepte: Künstliche Neurone, Gewichte, Training und Architektur

  • Python und Bibliotheken für Deep Learning: TensorFlow und Keras

  • Implementierung einfacher neuronaler Netze in verschiedenen Anwendungsszenarien

  • Nutzung von vortrainierten Netzen (TensorFlow Hub) und Transfer Learning

  • Praktische Beispiele und Übungen zum Entwerfen, Anpassen und Trainieren von Modellen

  • Zusammenfassung und abschließende Diskussion, wie sich das gelernte auf den eigenen Kontext übertragen lässt