Die wichtigsten Themen
PyTorch Grundlagen: Tensoren, Autograd und Dimensionierung sicher nutzen
Lineare und Logistic Regression mit Numpy implementieren und verstehen
MLP in PyTorch bauen: nn.Module, Loss, Optimizer, Trainingsschleife
DataLoader, Dataset und MNIST einsetzen für saubere Trainingspipelines
Overfitting erkennen und mit Validation-Set gezielt gegensteuern
CNNs für Bildklassifizierung: Convolution-Layer und Transforms anwenden
Überblick Lernen Sie in unserem Kurs zu Deep Learning mit Pytorch alle notwendigen Kenntnisse über das Framework Pytorch, sowie den grundlegenden Netzwerktypen bei Deep Learning, den Multilayer Perzeptrons und den Conventional...
Lernen Sie in unserem Kurs zu Deep Learning mit Pytorch alle notwendigen Kenntnisse über das Framework Pytorch, sowie den grundlegenden Netzwerktypen bei Deep Learning, den Multilayer Perzeptrons und den Conventional Neural Networks, welche vor allem bei Bilddaten Verwendung finden. Unsere Trainer zeigen im Laufe des Kurses komplette Setup-Beispiele mit Trainingsschleife, Testläufen, Ausgabe der Losswerte und Visualisierungen.
Die Themen Beschreibung der Problemstellung · Implementierung mit Python und Numpy · Back-Propagation · Gradient Descent – Optimierungsverfahren · Visuelle Aufbereitung mit Matplotlib...
Lineare Regression
- Beschreibung der Problemstellung
- Implementierung mit Python und Numpy
- Back-Propagation
- Gradient Descent – Optimierungsverfahren
- Visuelle Aufbereitung mit Matplotlib
- Variante Logistic-Regression zur Klassifizierung
Grundlagen
- Vektoren und Linearkombinationen
- Matrizen und lineare Transformationen
- Partielle Ableitungen
- Analysis in höheren Dimensionen
- Kettenregel und andere Regeln
- Geometrische Intuition
- Häufig benutzte Funktionen
Neurale Netzwerke
- Pytorch: Historische Entwicklung
- Tensor als Basistyp mit Operationen
- Automatische Gradienten-Berechnung
- Ausführliche Behandlung der Dimensionierung
- DataSet, DataLoader und ImageFolder
- Standard-Datensätze wie MNIST
- nn.Module als Basisbaustein
- Multilayer Perceptron als grundlegender Netzwerktyp
- Nichtlineare Aktivierungsfunktionen: Sigmoid, Softmax, ReLU u.a.
- Loss-Funktionen
- Optimizer: SGD, Adam und Weitere
- Trainingsschleife, Validation-Set
- Underfitting und Overfitting
- Visualisierung mit TensorBoard
Convolutional Neural Networks (CNNs)
- Basistyp zur Bildklassifizierung
- Abgrenzung zu RNN und Transformer
- Vorbereitung der Bilddaten (Transforms)
- Convolution-Layer in Pytorch im Detail
- Training mit GPUs zum Beispiel Google Colab
- ImageNet: Wettbewerb und Bild-Datenbank
- Wichtige Architekturen: AlexNet, VGG, ResNet, ResNeXt
- Varianten von Transfer-Learning
- Auto-Encoders
Wer hier richtig ist
- Python-Entwickler
Empfohlene Vorkenntnisse
- Versiert im Umgang mit Python
- Erfahrung mit Numpy
- Erfahrung mit Jupyter-Notebooks
- Machine-Learning-Erfahrung ist NICHT erforderlich
Organisatorisches
Lernformate
Unsere Seminare bieten dir maximale Flexibilität: Du kannst zwischen Live-Online und Vor Ort in unseren modernen Schulungszentren im D-A-CH Raum wählen. Beide Formate garantieren dir die gleiche hohe Qualität und interaktive Lernerfahrung.
Schulungsarten
Wir bieten dir verschiedene Schulungsarten: Offene Seminare, Firmenseminare für Teams und Inhouse-Schulungen direkt bei dir vor Ort. So findest du genau das Format, das zu deinen Bedürfnissen passt.
Aktuelle Software
In unseren offenen Kursen arbeiten wir mit der aktuellsten Software-Version. So lernst du direkt mit den Tools und Features, die du auch in deinem Arbeitsalltag verwendest - praxisnah und zukunftsorientiert. Bei Inhouse- und Firmenschulungen bestimmt ihr die Version.
Deine Vorteile
Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Inklusivleistungen
Deine Teilnahme beinhaltet: Schulungsmaterial, Zertifikat, Verpflegung (bei Präsenzveranstaltungen) und persönliche Betreuung durch unsere Trainer und unser Orga-Team. Alles aus einer Hand - keine versteckten Kosten.
Lernen von Experten
Unsere Trainer sind zertifizierte und erfahrene Profis mit jahrelanger Berufserfahrung. Sie vermitteln dir in den Kursen nicht nur theoretisches Wissen, sondern teilen ihre Erfahrungen aus realen Projekten und helfen dir, das Gelernte direkt in deiner täglichen Arbeit anzuwenden. Das ist kein Werbeversprechen, sondern unser Anspruch. Am besten siehst du das in unseren Bewertungen, z.B. auch bei Google.
Keine Vorkasse
Du zahlst erst nach dem Seminar. Keine Vorkasse, keine Vorauszahlung - so kannst du sicher sein, dass du nur für das bezahlst, was du auch wirklich erhalten hast. Die Rechnung erhältst du erst nach Kursbeginn.
Max. 8 Teilnehmende
Wir setzen auf kleine Gruppen, damit du die Aufmerksamkeit bekommst, die du verdienst. So haben wir mehr Zeit für deine individuellen Fragen und können gezielt auf deine Bedürfnisse eingehen.
Termine & Buchung
Vor Ort
Online
Nicht der passende Termin dabei?
Wir finden eine Lösung: anderer Termin, mehrere Teilnehmer, Inhouse-Schulung oder individuelle Beratung.
Lieber gleich das ganze Team schulen?
Diese Schulung gibt es auch exklusiv für dein Unternehmen, bei euch vor Ort, an unseren Standorten oder Live-Online. Inhalte und Termine nach Maß.
Inhouse-Schulung
Wir kommen zu euch: diese Schulung maßgeschneidert in euren Räumen, für Unternehmen und Behörden.
- Inhalte exakt auf euch zugeschnitten
- Termine nach euren Bedürfnissen
- Günstiger ab mehreren Teilnehmern
- Vertraute Umgebung, kein Reiseaufwand
Firmen-Seminar
Exklusiv für dein Team an einem unserer Standorte oder Live-Online, individuell angepasst.
- Geschlossene Gruppe aus eurem Haus
- Individuelle Terminplanung
- An unseren Standorten oder Live-Online
- Angepasste Inhalte
Fragen und Antworten zu Pytorch Grundkurs: Deep Learning mit MLP und CNN
Für wen ist das Seminar „PyTorch Grundlagen: Deep Learning mit MLP und CNN“ geeignet?
Welche Vorkenntnisse brauche ich für den PyTorch-Kurs?
Was lerne ich in den 5 Tagen konkret zu MLP und CNN in PyTorch?
Wie werden Backpropagation und Gradient Descent im Seminar erklärt und umgesetzt?
Welche Datensätze und Datenpipelines werden im PyTorch-Training verwendet?
Wird im Seminar auch GPU-Training behandelt, zum Beispiel mit Google Colab?
Wie hilft mir das Seminar beim Umgang mit Overfitting und Underfitting?
Welche CNN-Architekturen und Transfer Learning-Ansätze werden behandelt?
Weitere häufig gestellte Fragen und Antworten findest du in den FAQs .
Unser Qualitätsversprechen: Wissen, das in der Praxis funktioniert
Aus der Praxis für die Praxis
Schluss mit theoretischem Ballast. Wir trainieren dich für reale IT-Herausforderungen, nicht für Multiple-Choice-Tests. Unsere Trainer vermitteln dir genau das Wissen, das am nächsten Montagmorgen im Job wirklich funktioniert.
Individuell statt "Schema F"
Deine Fragen passen nicht ins Standard-Skript? Bei uns schon. Wir verzichten auf starre Lehrpläne und geben deinen konkreten Projekt-Fragen Raum. Unsere Trainer passen die Inhalte flexibel an das an, was dich und dein Team aktuell weiterbringt.
Maximale Freiheit: Remote oder vor Ort
Lerne so, wie es in deinen Alltag passt - ohne Reise-Stress und Zeitverlust. Egal ob remote, hybrid oder präsent vor Ort: Wir garantieren dir ein nahtloses und effektives Lernerlebnis, egal von wo du dich zuschaltest.
Mit Zufriedenheitsgarantie
Wir sind von unserer Qualität überzeugt - und wollen, dass du es auch bist. Sollte ein Training einmal nicht deinen Erwartungen entsprechen, bieten wir dir an, den Kurs kostenlos zu wiederholen oder ein anderes Training zu besuchen. Ohne Risiko, ohne Diskussion.
Über 20.000 Unternehmen und Behörden vertrauen auf uns
