Python, Deep Learning und TensorFlow - für Data Science

Nach der Weiterbildung sind Sie in der Lage, Anwendungen zu entwickeln, und dafür die Möglichkeiten künstlicher Intelligenz (KI) zu nutzen.
Sie erstellen Web-Anwendungen mit der Programmiersprache Python - von der Oberflächengestaltung bis zur Funktionalität. Daneben sind Sie Spezialist auf dem Gebiet Deep Learning und maschinelles Lernen. Deshalb können Sie Prozesse automatisieren und optimieren - ob in der Land- und Energiewirtschaft oder der Buchhaltung.
Die Darstellung der gewonnenen Erkenntnisse übernehmen Sie mithilfe der Python Erweiterung TensorFlow, die vor allem in der datenstromorientierten Programmierung Anwendung findet. Diese Fähigkeiten haben Sie auch praktisch in ganz verschiedenen Projekten unter Beweis gestellt.

Python-Grundlagen für Data Science

• Installation und Einrichtung von Python
• Python im interaktiven Modus
• Grundlegende Programmierkonzepte
• Datenstrukturen
• Anweisungen und Python-Skripte
• Standard-Datentypen
• Funktionen, Ein-und Ausgabe
• Definition von Klassen und objektorientiertes Modellieren
• Testen und Tuning
• Einführung in NumPy und Messdatenverarbeitung

Grundlagen von Deep Learning mit Python

• Aufgaben und Funktion von Deep Learning
• Abgrenzung von Machine Learning und Deep Learning
• Neuronale Netze und ihre Basisstrukturen
• Modellieren mit Kellern, Schlangen und Graphen
• Python- und Machine-Learning-Bibliotheken
• Trainieren eines neuronalen Netzes mit Python

TensorFlow und Keras Einführung

• Installation und Einrichtung von TensorFlow
• Grundlegende Verwendung von TensorFlow
• Keras - Einführung und Verwendung
• Erstellen von Machine-Learning-Modellen mit Keras
• Laden und Speichern von Modellen mit TensorFlow und Keras
• Benutzen von vorgefertigten Modellen mit Keras

Praktische Anwendung und Problembehandlung in TensorFlow

• Verbindungen zu TensorFlow
• Stimmungsanalyse mit Keras
• Analyse von Machine Learning in TensorFlow
• Visualisierung von Ergebnissen mit TensorFlow und Keras
• Allgemeine Tipps und Tricks zu TensorFlow
• Problemlösung für nicht funktionierende Modelle