// Praxiseinstieg Deep Learning TensorFlow

Deep Learning ist aktuell nicht nur ein Buzzword. Deep Learning bezeichnet einen speziellen Bereich des Machine Learning, der durch verschiedene Entwickungen der letzten Jahre immer beliebter wird. Gründe dafür sind

* neue Ansätze bei tiefen, künstlichen neuronalen Netzen,
* die Verfügbarkeit vieler Daten,
* die Leistungsfähigkeit moderner Grafikkarten für die Beschleunigung von Rechenoperationen,
* die Verfügbarkeit freier Softwarebibliotheken sowie
* Cloud-Technologien und verteilte Rechnerarchitekturen.

Im Gegensatz zu klassischen Machine-Learning-Ansätzen fällt oftmals die aufwendige Extraktion der gewünschten Features aus den Daten weg.

In diesem Workshop sollen sowohl die Grundlagen von Deep Leaning als auch Fähigkeiten zur Entwicklung einfacher Anwendungen vermittelt werden. Grundlage für die praxisnahen Beispiele soll das Framework TensorFlow sein, das mit Hilfe seiner Python-API und den vorhandenen Funktionen einen einfachen Einstieg in die Programmierung moderner künstlicher neuronaler Netze ermöglicht.

Der Workshop setzt keine tiefgreifenden mathematischen oder statistischen Verständnis voraus.

Agenda

• ab 10.00: Registrierung und Begrüßungskaffee


• 11.00: Beginn


• 11.00 - 11.30: Der Deep Learning Hype


• 11.30 - 12.00: Geschichtlicher Exkurs


• 12.00 - 12:30: Moderne Einflußfaktoren


• 12.30 - 13.30: Mittagspause


• 13.30 - 14.30: Einführung in TensorFlow


• 14.30 - 15.00: Beispiel Anwendung 1


• 15.00 - 15.15: Kaffeepause


• 15.15 - 16.30: TensorFlow Werkzeuge


• 16.30 - 16.45: Kaffeepause


• 16.45 - 17.15: Beispiel Anwendungen 2


• 17.15 - 18.00: Beispiel Anwendungen 3


• ca. 18 Uhr: Ende

• Bringen Sie einen eigenen Laptop mit, der über mindestens 500 MB freien Festplattenspeicher (für Testdaten) verfügt und ein 64Bit Betriebssystem besitzt (macOS, Windows, Linux)


• Download und Installation von Anaconda, siehe https://www.anaconda.com/download/ für Python 3.5+


• Installation von TensorFlow zum Beispiel über den Kommandozeilenaufruf conda create -n tensorflow python=3.5 oder ähnlichem


• Installation von Jupyter Notebook zum Beispiel über den Kommandozeilenaufruf conda install notebook ipykernel


• Test der Installation mit einem einfachen Jupyter Notebook mit folgendem Inhalt:
  
  
  • import tensorflow as tf
  
  
  • hello = tf.constant('Hello, TensorFlow!')
  
  
  • sess = tf.Session()
  
  
  • print(sess.run(hello))
  
  Wird keine Fehlermeldung ausgegeben, wurde die Umgebung richtig installiert.

• Workshop-Teilnehmer hat keine Administrator-Rechte.


• Corporate Laptops mit übermäßig penibler Sicherheitssoftware


• Gesetzte Corporate-Proxies, über die man in der Firma kommunizieren muss, die aber in einer anderen Umgebung entsprechend nicht erreicht werden.

Vorkenntnisse
Voraussetzungen für die Teilnahme sind Grundkenntnisse in Python. Im Rahmen des Workshops wird eine VM zur Verfügung gestellt, die eine aktuelle Version von TensorFlow, Anaconda und Jupyter Notebook enthält. Alle Beispiele lassen sich innerhalb der Jupyter-Notebook-Anwendung ausführen.

Lernziele
Vermittlung, was künstliche, neuronale Netze sind und wie man sie mit Hilfe von TensorFlow, Python und Jupyter Notebooks programmieren kann.

// Ramon Wartala
@rawar

ist Senior Big-Data Architect bei der Tchibo GmbH und arbeitet seit über 6 Jahren im Bereich Bid-Data Datenhaltung und -Analyse. Er ist langjähriger Autor und Trainer und spricht auf Konferenzen über Big Data Lösungen mit Hadoop und Spark. Im November erschien mit 'Praxiseinstieg Deep Learning' sein Buch bei O'Reilly.