Python Deep-Dive Kurs: Deep Learning, Neuronale Netze & Visualisierung
Trainingsdaten vorbereiten, neuronale Netze trainieren sowie die Modellleistung visualisieren und bewerten
- Trainingsdaten aufbereiten
- Neuronale Netze aufbauen
- TensorFlow und Keras einsetzen
- 4 Tage
- Grundlagen
- Online
- Garantierte Termine Diese Termine finden statt
- Online Live per Videokonferenz
- max. 8 Teilnehmerinnen und Teilnehmer pro Gruppe
- Keine Vorkasse Rechnung nach dem Seminar
Das nimmst du mit
- Trainingsdaten aufbereiten
- Neuronale Netze aufbauen
- TensorFlow und Keras einsetzen
- Overfitting erkennen
- Modellleistung visualisieren
- Hyperparameter vergleichen
Passt das zu dir?
Damit du den Tag wirklich mitnimmst, lohnt sich ein kurzer Abgleich.
Richtig für dich, wenn
- Softwareentwickler mit guten Python-Kenntnissen
- Data Scientists mit ersten Machine-Learning-Projekten
- Data Analysts mit Aufgaben in Modellierung und Datenaufbereitung
- Fachkräfte mit ersten ML-Erfahrungen, die neuronale Netze vertiefen möchten
Das bringst du mit
- Gute Programmierkenntnisse in Python
- Sicherer Umgang mit Funktionen, Modulen und Datenstrukturen
- Grundverständnis für Statistik und lineare Algebra hilfreich
- NumPy- oder Pandas-Erfahrung hilfreich, aber nicht zwingend
- Python-Einstieg über den Python 3 Grundkurs intensiv
- ML-Grundlagen über den Python Machine Learning Grundkurs
Dein Lernweg
Tag 1: Machine Learning und Python-Werkzeuge
Der erste Tag klärt die Funktionsweise von Machine Learning, Deep Learning und neuronalen Netzen. Anschließend wird die Python-Umgebung für Datenaufbereitung, Modellierung und Visualisierung vorbereitet.
- Machine Learning und Deep Learning unterscheiden
- Perzeptron, Features und Labels
- Möglichkeiten und Grenzen lernender Modelle
- Python-Konzepte für die Datenverarbeitung
- NumPy, Pandas und SciPy einsetzen
- Daten mit Matplotlib untersuchen
Tag 2: Perzeptron und Datenaufbereitung
Der zweite Tag macht zentrale Lernvorgänge ohne fertige ML-Bibliothek nachvollziehbar. Danach werden strukturierte Daten, Texte und Bilder für Training, Validierung und Tests vorbereitet.
- Perzeptron in Python umsetzen
- Skalarprodukte und Heaviside-Funktion
- Gewichte mit Delta-Regeln anpassen
- Bias und Lernrate untersuchen
- Daten prüfen und standardisieren
- Features und Kategorien vektorisieren
- Trainings-, Validierungs- und Testsets bilden
Tag 3: Neuronale Netze mit TensorFlow
Der dritte Tag überträgt die Grundlagen auf TensorFlow 2. Die Teilnehmer erstellen neuronale Netze, trainieren sie mit vorbereiteten Daten und vergleichen Modellvorhersagen mit den erwarteten Ergebnissen.
- TensorFlow-Architektur und Tensoren
- Schichten zu Netzwerken verbinden
- Verlustfunktionen und Optimierer auswählen
- Modelle kompilieren und trainieren
- Bildklassifikation mit neuronalen Netzen
- Texte für Modelle vorbereiten
- Modelle mit Validierungsdaten prüfen
Tag 4: Keras, Modelloptimierung und Visualisierung
Der vierte Tag führt Modellaufbau, Training und Auswertung in durchgängigen Übungen zusammen. KerasTuner, Visualisierungen und die Analyse der Rechenleistung unterstützen den Vergleich verschiedener Modellkonfigurationen.
- Keras-Modelle erstellen und trainieren
- tf.data-Datensätze verarbeiten
- Trainingsverläufe mit Matplotlib vergleichen
- Overfitting und Underfitting erkennen
- Hyperparameter mit KerasTuner suchen
- GPU-Nutzung und Datenpipelines prüfen
- Modellqualität und Ressourcenbedarf bewerten
Klarheit von Anfang an
Format, Ablauf und alles, was schon enthalten ist. Keine Überraschungen, nur Fokus auf dein Ergebnis.
- Live-OnlineInteraktiv per Videokonferenz, von überall
4 Tage
Kompakt aufgebaut, damit du schnell ins Tun kommst.
max. 8
Kleine Gruppe, damit genug Raum für deine Fragen bleibt.
- Live-Demos mit Python, TensorFlow, Keras, NumPy, Pandas und Matplotlib
- Hands-on-Übungen mit Datensätzen, Modellen und Trainingsläufen
- Schrittweiser Modellaufbau vom Perzeptron bis zum Keras-Netzwerk
- Gemeinsame Analyse von Datenqualität und Modellverhalten
- Übungen zu Bildklassifikation, Textanalyse und strukturierten Daten
- Besprechung eigener Anwendungsideen und technischer Rahmenbedingungen
Das ist immer dabei
- Ausführliche Schulungsunterlagen und Praxisbeispiele
- Teilnahmezertifikat
- Übungsumgebungen und Beispieldaten
- Nachbetreuung per E-Mail nach dem Seminar
Sichere dir deinen Platz
Wähle den Termin, der zu dir passt. Online live dabei oder vor Ort, ganz wie es für dich passt.
- Erfahrene IT-Trainer aus der Praxis
- Keine Vorkasse, Rechnung nach dem Seminar
- Kostenfreie Umbuchung bis 14 Tage vor Start
Lieber das ganze Team?
Bring dieses Seminar zu euch ins Haus oder lass uns ein Programm bauen, das genau auf euer Unternehmen passt.
Inhouse-Schulung
Wir kommen zu dir und schulen dein Team genau auf eure Praxis.
- Komplett auf eure Use-Cases und Tools zugeschnitten
- Termin und Ort bestimmst du, vor Ort oder Live-Online
- Ein fester Pauschalpreis statt Preis pro Person
Firmen-Seminar
Ein individuelles Programm, das wir auf eure Ziele zuschneiden.
- Frei kombinierbare Module aus unserem Themenkatalog
- Skalierbar von der Kleingruppe bis zur ganzen Belegschaft
- Begleitung über mehrere Termine hinweg möglich
Deine IT-Schulungen München-Expertinnen und -Experten
Du hast Fragen zu Inhalten, Terminen oder einer passenden Lösung für dein Team? Wir beraten dich gern, bevor du buchst. Direkt, ohne Umwege.
Antwort in der Regel am selben Werktag
Dein cmt-Team München
Beratung zu IT-Weiterbildung
Fragen und Antworten zu Python Deep-Dive Kurs: Deep Learning, Neuronale Netze & Visualisierung
Was ist Deep Learning mit Python?
Deep Learning mit Python nutzt mehrschichtige neuronale Netze, um Muster aus Trainingsdaten abzuleiten. Python-Bibliotheken wie TensorFlow und Keras übernehmen Modellaufbau, Training und Auswertung. NumPy, Pandas und Matplotlib unterstützen die Aufbereitung und Analyse der Daten sowie die Darstellung der Modellleistung.
Was ist der Unterschied zwischen TensorFlow und Keras?
TensorFlow stellt Rechenoperationen, Datenpipelines und Funktionen für das Training neuronaler Netze bereit. Keras bietet eine übergeordnete API zum Erstellen, Trainieren und Auswerten der Modelle. In der Schulung wird Keras mit dem TensorFlow-Backend eingesetzt.
Was unterscheidet Deep Learning vom Python Machine Learning Grundkurs?
Der Machine-Learning-Grundkurs behandelt den breiteren Einstieg in Lernverfahren und Modellbewertung. Diese Schulung vertieft neuronale Netze, TensorFlow, Keras und Trainingsläufe für Bilder oder Texte. Fehlende ML-Grundlagen lassen sich vorab im Python Machine Learning Grundkurs aufbauen.
Welche Python-Kenntnisse brauche ich für den Deep Learning Kurs?
Gute Kenntnisse in Funktionen, Modulen, Kontrollstrukturen und Python-Datenstrukturen werden vorausgesetzt. Erste Erfahrung mit NumPy oder Pandas erleichtert den Einstieg. Zentrale mathematische Begriffe rund um Perzeptron, Gewichte, Bias und Lernrate werden im Seminar behandelt.
Kann ich die Deep Learning Python Schulung online besuchen?
Die Schulung kann je nach Termin als Live-Online- oder Präsenztraining gebucht werden. Präsenztermine werden in München und an weiteren deutschen Standorten angeboten. Das konkrete Format steht bei der jeweiligen Veranstaltung.
Ist die Deep Learning Schulung als Inhouse-Training buchbar?
Ein Inhouse-Training für dein Team ist möglich. Schwerpunkte, Übungsbeispiele und technische Rahmenbedingungen lassen sich vorab abstimmen. Ein passendes Angebot erhältst du auf Anfrage.
Erhalte ich nach der Schulung ein Zertifikat?
Ein offizielles Herstellerzertifikat ist nicht Bestandteil dieser Schulung. Welcher Teilnahmenachweis für den gebuchten Termin ausgestellt wird, klärst du am besten direkt bei der Anfrage.
Welche Vertiefung passt nach der Deep Learning Python Schulung?
Der PyTorch-Grundkurs zu MLP und CNN ergänzt das Wissen um ein weiteres Deep-Learning-Framework. Für Teams mit mehreren Teilnehmern oder speziellen Datenquellen können passende Lernpfade und Inhouse-Konditionen angefragt werden.
Passende Schulungen
Python Deep-Dive Kurs: Deep Learning,...
Nächster Termin: 27. Oktober 2026 · Online
ab1.890 €netto