Deep Learning mit MATLAB

Dieser zweitägige Kurs bietet eine umfangreiche Einführung in die Verwendung von Deep Learning Algorithmen mit MATLAB. Die Teilnehmer lernen verschiedene Arten von neuronalen Netzen zu erstellen, zu trainieren und zu evaluieren. Die von Dozenten geleitete Schulung verwendet NVIDIA GPUs, um das Training der neuronalen Netze zu beschleunigen. Themenübersicht:

Einlesen von Bild- und Sequenzdaten
Verwendung von Convolutional Neural Networks (CNNs) zur Bildklassifikation, Bildregression und in weiteren Bildanwendungen
Verwendung von Long Short-Term Memory (LSTM) Networks zur Klassifikation und Vorhersage von Sequenzdaten
Anpassung gegebener Netzwerkarchitekturen an neue Problemstellungen
Anpassung von Trainingsparametern um Netzwerkperformance zu erhöhen

Deep Learning mit MATLAB wird von NVIDIAs Deep Learning Institute unterstützt. Das Deep Learning-Institut bietet spezialisierte Schulungen an, die ebenfalls mit GPUs arbeiten. Informieren Sie sich über die branchenspezifischen Inhalte und CUDA-Programmierkurse für Fortgeschrittene.

Detaillierte Kursbeschreibung anzeigen

Voraussetzungen

MATLAB Grundlagen
Deep Learning Onramp

Dieser Kurs wird auch online in einem Format zum Selbststudium angeboten.

Details und Start

Tag 1 von 2
Klassifikation von Bildern mithilfe vortrainierter neuronaler Netze	Ziel: Klassifizierung von Bildern mit Convolutional Neural Networks (CNNs). Umtrainieren eines vortrainierten CNNs (Transfer Learning). Vortrainierte neuronale Netze Image Datastores Transfer Learning Netzwerkevaluation
Funktionsweise neuronaler Netze	Ziel: Visualisierung der Zwischenergebnisse eines CNNs. Abgreifen von Netzwerkaktivierungen Extrahieren von Merkmalen
Erzeugen neuronaler Netzwerke	Ziel: Einblick in die Funktionsweise neuronaler Netze und der verschiedenen Netzwerkschichten. Training eines untrainierten neuronalen Netzes Neuronale Netze Faltungen und Filter
Training neuronaler Netze	Ziel: Einblick in die Funktionsweise verschiedener Trainingsalgorithmen. Trainingsoptionen zur Beobachtung und Kontrolle des Trainingsprozesses. Trainingsprozess Visualisierung des Trainingfortschritts Validierung des Ergebnisses

Tag 2 von 2
Verbesserung der Netzwerk Performance	Ziel: Anpassung des Trainingsalgorithmus, der Netzwerkarchitektur, oder der Trainingsdaten um die Netzwerkperformance zu erhöhen. Trainingsparameter Augmented Datastores Directed Acyclic Graph (DAG) Netzwerke
Regression	Ziel: Verwendung von CNNs zur Vorhersage kontinuierlicher numerischer Variablen. Transfer Learning für Regressionsprobleme Evaluierung von Regressionsnetzwerken
Verwendung von Deep Learning für Computer Vision	Ziel: Verwendung neuronaler Netze zur Lokalisierung und Beschriftung von Objekten in Bildern. Arbeitsablauf für Bildanwendungen Objekterkennung
Klassifikation von Sequenzdaten	Ziel: Erzeugen und trainieren rückgekoppelter neuronaler Netze zur Klassifikation von Zeit- und Meßreihen, sowie kategorialer Sequenzen. Long Short-Term Memory (LSTM) Netzwerke Klassifikation von Sequenzdaten Vorverarbeitung von Sequenzdaten Kategoriale Sequenzen (z.B. Text)
Erzeugen von Sequenzen	Ziel: Verwendung rückgekoppelter neuronaler Netze zur Vorhersage von Sequenzen Sequence-to-Sequence Learning Vorhersage von Sequenzdaten

Termin garantiert

Bei Anmeldung für einen dieser Kurse ist sichergestellt, dass der Kurs zum angegebenen Termin stattfindet und nicht verschoben oder storniert wird.

Kursprogramm

Ergebnisse 1 - 16 von 16

Datum	Ort	Sprache	Preis
Auf Anfrage	Kurs zum Selbststudium Ab Erwerbsdatum 180 Tage lang unbegrenzter Zugriff	Japanisch	USD 350
Auf Anfrage	Kurs zum Selbststudium Ab Erwerbsdatum 180 Tage lang unbegrenzter Zugriff	Englisch	USD 350
03. Nov 2021- 04. Nov 2021	Virtuell 9:00 am - 5:00 pm Mitteleuropäische Zeit Noch heute anmelden – nur noch 4 freie Plätze	Englisch	USD 1,500
14. Dez 2021- 15. Dez 2021	Virtuell 9:00 am - 5:00 pm Gesetzliche Zeit in China	Chinesisch	USD 1,500
16. Dez 2021- 17. Dez 2021	Virtuell 9:00 am - 5:00 pm Standardzeit in Korea	Koreanisch	USD 1,500
16. Dez 2021- 17. Dez 2021	Virtuell 9:00 am - 5:00 pm Standardzeit in Japan	Japanisch	USD 1,500
13. Jan 2022- 14. Jan 2022	Virtuell 9:00 am - 5:00 pm Standardzeit in Korea	Koreanisch	USD 1,500
18. Jan 2022- 19. Jan 2022	Virtuell 9:00 am - 5:00 pm Mitteleuropäische Zeit	Deutsch	USD 1,500
01. Feb 2022- 02. Feb 2022	Virtuell 9:00 am - 5:00 pm Standardzeit USA Ost	Englisch	USD 1,500
08. Mär 2022- 09. Mär 2022	Virtuell 9:00 am - 5:00 pm Gesetzliche Zeit in China	Chinesisch	USD 1,500
22. Mär 2022- 23. Mär 2022	Virtuell 9:00 am - 5:00 pm Mitteleuropäische Zeit	Englisch	USD 1,500
24. Mär 2022- 25. Mär 2022	Virtuell 9:00 am - 5:00 pm Ostaustralische Sommerzeit	Englisch	USD 1,500
21. Apr 2022- 22. Apr 2022	Virtuell 9:00 am - 5:00 pm Standardzeit in Japan	Japanisch	USD 1,500
10. Mai 2022- 11. Mai 2022	Virtuell 9:00 am - 5:00 pm Standardzeit in Korea	Koreanisch	USD 1,500
25. Mai 2022- 26. Mai 2022	Virtuell 9:00 am - 5:00 pm Sommerzeit USA Pazifik	Englisch	USD 1,500
08. Jun 2022- 09. Jun 2022	Virtuell 9:00 am - 5:00 pm Mitteleuropäische Sommerzeit	Englisch	USD 1,500

Ergebnisse 1 - 16 von 16

Die Preise gelten für den Erwerb und die Nutzung in USA, Um Preise für andere Regionen zu erfragen, kontaktieren Sie den Vertrieb. Der angegebene Preis enthält keine Umsatz- oder Mehrwertsteuer bzw. andere Steuern. Eventuell für diesen Kauf anfallende Steuern, Abgaben, Beiträge, Veranschlagungen und staatliche Gebühren werden auf der Bestellung ausgewiesen. Nähere Informationen finden Sie in den Schulungsrichtlinien.