* Grundkenntnisse in Python und Numpy
* Grundlegende Vorkenntnisse in Machine Learning (Algorithmen und Konzepte) sowie in Neuronalen Netzwerken.
* Die Teilnehmerin/der Teilnehmer erlernt die Funktionsweise und das Zusammenwirken der wichtigsten Elemente von Neuronalen Netzen.
* Nach dem Kurs sollte man fähig sein, die grundlegenden
NN-Architekturen (Neuronale Netzwerke aus Fully-Connected-Layers, Convolutional Neural Networks und Recurrent Neural Networks) selbständig in PyTorch zu entwickeln, zu trainieren und zu evaluieren.
* Zudem sollte man die Vor- und Nachteile der gelernten Architekturen verstehen und in der Lage sein, für viele Probleme die angemessene Architektur zu wählen.
Chi Nhan Nguyen arbeitet als Senior Data Scientist Consultant bei itemis. Er hat jahrelang als Hochenergiephysiker an Einrichtungen wie dem CERN, Fermilab bzw. DESY geforscht und hat dort u. a. Machine-Learning-Techniken zur Datenanalyse implementiert und eingesetzt. Seit einigen Jahren ist er als Data Scientist in der freien Wirtschaft unterwegs, wo er schwerpunktmäßig Probabilistische Modelle und Deep-Learning-Methoden entwickelt.
Sie möchten über den Minds Mastering Machines
auf dem Laufenden gehalten werden?