Anmeldung erfolgreich gesendet

Seminar: Deep Dive Deep Learning – Bildverarbeitung

Dreitägiges Intensivseminar

Kurzinformationen

 

Ort:Termin:Preis:
Münster:17.06. – 19.06.20192.610,00 EUR (zzgl. MwSt.)
Münster:19.08. – 21.08.20192.610,00 EUR (zzgl. MwSt.)
Baden-Dättwil:15.07. – 17.07.20192.990,00 CHF (zzgl. MwSt.)
Baden-Dättwil:16.09. – 18.09.20192.990,00 CHF (zzgl. MwSt.)

 

Dieses dreitägige Seminar bietet einen tieferen Einblick in ausgewählte Deep Learning Themen, dabei liegt der Fokus auf Bildverarbeitung.

Detailinformationen

Das Seminar

Dieses dreitägige Seminar bietet einen tieferen Einblick in ausgewählte Deep Learning Themen, dabei liegt der Fokus auf Bildverarbeitung.

 

Der Seminarinhalt

Im Laufe der drei Tage werden verschiedene Methoden erörtert, angefangen mit Dense Layern über Convolutions hin zu Autoencodern, generativen Modellen und GANs.

Ergänzt und vertieft wird das theoretische Wissen durch Übungen, die es den Teilnehmern erlauben praktische Erfahrungen zu sammeln. Dieser Transfer von Wissen hin zur Anwendung stellt einen zentralen Punkt des Seminars dar.

Die Übungen verwenden hauptsächlich TensorFlow/Keras und finden in der AWS Cloud statt.

Zudem wird besonderes Augenmerk auf typische Techniken wie beispielsweise Data Augmentation gelegt. Ebenso werden häufig auftretende Probleme wie Vanishing/Exploding Gradients und deren Lösung aufgezeigt.

Agenda

09:15 Uhr bis 17:00 Uhr

Bildklassifikation

  • Einfache Klassifikation mit Dense Layern
    • Struktur der Dense Layer
    • Zugehörige Konzepte: Aktivierungs-, Verlustfunktionen, Optimizer
    • Erörterung grundlegender Probleme: Overfitting, Sättigung usw.
    • Übung: Klassifizierung von Kleidungsstücken I
  • Erweiterte Bildklassifikation mit Convolutional Layern
    • Struktur der Convolutional Layer
    • Zugehörige Bausteine: Filterkernel, Pooling
    • Übung: Klassifizierung von Kleidungsstücken II
  • Weitere Methoden zur Verbesserung der Klassifikation
    • Data Augmentation
    • Regularisierungsmethoden: L1, L2, Dropout, Max-Norm
    • Batch Normalization
    • moderne Optimizer & Aktivierungsfunktionen
    • Übung: Klassifizierung von Kleidungsstücken III

 

Objektlokalisation und Multiobjektklassifikation

  • Einführung in die Objektlokalisation
    • Erläuterung des Prinzips der Objektlokalisation
    • Metrik zur Bewertung des Ergebnisses: Intersection over Union (iou)
  • Regionenbasierte Regression
    • Einführung in Regions + Convolutional Neural Networks (RCNN)
    • Erweiterungen: vom RCNN zum Fast-RCNN zum Faster-RCNN
  • Single shot Detektoren
    • Einführung in die state-of-the-art Objektlokalisation
    • Objektlokalisation mittels “You only look once” (Yolo) Technik
    • Übung: Lokalisation von Objekten

 

Autoencoder

  • Einführung Autoencoder
    • Grundlagen: Repräsentationen und Deconvolution
    • Architektur eines Autoencoders
    • Übung: Implementierung eines Autoencoders zur Bildentrauschung
  • Erläuterung des Prinzip der Dimensionsreduktion anhand der PCA
  • Autoencoder zur Dimensionsreduktion
  • Unsupervised Pretraining: Autoencoder als Featureextraktor
  • Variational Autoencoder
    • Übung: Generation von Kleidungsstücken I

 

Generative Adversarial Networks (GANs)

  • Einführung GANs
    • Erläuterung des Aufbaus eines GAN
  • mögliche Strukturen des Generators und des Diskriminators
  • Best Practices: Training von GANs
  • Häufige Probleme beim Training von GANs: Ursachen und Lösungen
  • Deep Convolutional GAN (DC GAN)
    • Aufbau eines DC GAN
    • Spezifische Probleme & Best Practices bei DC GANS
    • Übung: Generation von Kleidungsstücken II
  • Domaintransfer GANs
  • Wie entwerfe ich mein eigenes GAN?

 

Voraussetzungen

Berücksichtigen Sie bitte, dass eine Mindestteilnehmerzahl von 4 Personen vorgesehen ist. Ansonsten kann das Seminar nicht stattfinden.

Methode

Präsenzseminar:
Das Seminar wird aus Vortrag, Diskussionsrunden sowie praktischen Übungen bestehen. Viele Beispiele aus der Praxis verdeutlichen die Theorie.

Sprachen

Seminar: Deutsch

Zielgruppe

Das Seminar richtet sich an Menschen, die ihr Wissen im Bereich Deep Learning erweitern und vertiefen wollen. Insbesondere an diejenigen, die sich für die praktischen Probleme sensibilisieren wollen oder denen Anwendungserfahrungen fehlen.

Anmeldung

Bitte Termin/Ort auswählen:*


1. Seminarteilnehmer:

Anrede:*Titel:
Vorname:*Nachname:*
Firma: Position:
Abteilung: E-Mail: *
Telefon:*Fax:
Adresse:*PLZ:*
Stadt:*Land:*
Bemerkung:

weitere Teilnehmer anmelden:

2. Seminarteilnehmer:

Anrede:*Titel:
Vorname:*Nachname:*
Position: Abteilung:
E-Mail:*Telefon:*

3. Seminarteilnehmer:

Anrede:*Titel:
Vorname:*Nachname:*
Position: Abteilung:
E-Mail:*Telefon:*
* diese Angaben werden für die Versendung des Formulars benötigt

2. und 3. Teilnehmer sind optional, ab dem 3. Teilnehmer gewähren wir einen Teamvorteil von 10 %!

Stornierung

Bei Stornierung bis zu 14 Tage vor Veranstaltungsbeginn erheben wir eine Bearbeitungsgebühr von 50% der Gebühr. Bei späteren Absagen wird der gesamte Beitrag fällig.

Seminarabsage

Sollten wir aus wichtigem Grund (z. B. Erkrankung des/der Referenten) gezwungen sein, den Kurs abzusagen, so teilen wir Ihnen dieses umgehend mit. Wir werden Ihnen in diesem Fall einen Ersatztermin anbieten. Passt dieser nicht zu Ihrer Terminplanung, erhalten Sie die bereits gezahlte Seminargebühr in voller Höhe zurück. Darüber hinausgehende Ansprüche bestehen nicht.

Teamvorteil

Sie sind als Team an der Teilnahme interessiert? Dann buchen Sie für 3 Teilnehmer und erhalten Sie ab dem 3. Teilnehmer 10 % Rabatt.