Zum Hauptinhalt
Machine Learning Heise

Die Webinar-Serie von Heise

Machine Learning in
der Praxis

In 5 Online-Trainings zum Machine-Learning-Experten

16. März – 22. April 2021

MEHR ERFAHREN

MACHINE LEARNING VERSTEHEN, ANWENDEN, UMSETZEN

Machine Learning ist eines der aktuellsten und wichtigsten Themen in der Softwareentwicklung, doch an der praktischen Umsetzung scheitern nach wie vor viele Unternehmen. Mit unserer Webinar-Serie lernen Sie, Machine Learning, Künstliche Intelligenz und Deep Learning richtig einzusetzen.

Unsere Experten erklären Ihnen in fünf Online-Workshops Schritt für Schritt die wichtigsten Grundlagen, Tools und Techniken, warum TensorFlow und Keras zu Ihrem Standard-Repertoire gehören sollten und wie Sie Natural Language Processing mit PyTorch umsetzen können. Außerdem lernen Sie, Ihre Daten mit Python zu visualisieren und Ihre Machine-Learning-Projekte auch in einer Produktionsumgebung einzusetzen.

DIE WEBINARE

  • Machine Learning mit Python: Grundlagen, Tools und Techniken

    16. März 2021, 9 Uhr bis 13 Uhr

    Christian Winkler, datanizing

    Machine Learning hat sich in den letzten Jahren rasant weiterentwickelt. Noch nie war es einfacher, mit der Programmiersprache Python und einfachen und effizienten Tools in diese Welt einzusteigen. In diesem Webinar bringt Christian Winkler Ihnen die Grundlagen von Machine Learning mit Python anhand der Open-Source-Bibliothek scikit-learn praxisnah und spielerisch bei. Dabei erklärt er Ihnen die wichtigsten Konzepte wie Feature Engineering, Klassifikation, Regression und Clustering mit Code-Beispielen und -übungen. Tauchen Sie zusammen in die Welt des Machine Learning ein und lernen Sie auch fortgeschrittenere Themen wie Trend Detection kennen.

    ZUM WEBINAR
  • Deep Learning mit TensorFlow und Keras

    24. März 2021, 9 Uhr bis 13 Uhr

    Wadim Wormsbecher & Alexander Friedenberger, StackFuel

    Im Bereich des Deep Learning führt kaum ein Weg an der ursprünglich von Google entwickelten Bibliothek TensorFlow und der dazugehörigen Python-API Keras vorbei.  Das Webinar mit Wadim Wormsbecher und Alexander Friedenberger ermöglicht Ihnen einen praxisnahen Einstieg. Anhand vieler interaktiver Übungen erhalten Sie einen Einblick in neuronale Netze und lernen die Vorgehensweise beim Entwickeln von KI-Algorithmen. Mit diesem Webinar sind Sie bereit, die Architekturen neuronaler Netze wie Feed Forward (FF) Networks und Convolutional Neural Networks (CNNs) in der Praxis aufzubauen und einzusetzen.

    ZUM WEBINAR
  • Natural Language Processing mit Python

    31. März 2021, 9 Uhr bis 13 Uhr

    Thomas Timmermann, codecentric

    Der Ausgangspunkt für Natural Language Processing ist roher Text, der aus den unterschiedlichsten Quellen stammen kann. Doch wie können Sie dafür sorgen, dass ein Computer ihn auch algorithmisch verarbeiten kann? In diesem Webinar erklärt Ihnen Thomas Timmermann die Grundlagen von Natural Language Processing praxisnah. Er zeigt Ihnen, wie sie die Werkzeuge spaCy und Huggingface Transformers einsetzen können, um Ihre NLP-Projekte in die Realität umzusetzen und bringt Ihnen die Best Practices für zeitgemäße Textverarbeitung Schritt für Schritt bei.

    ZUM WEBINAR
  • Datenvisualisierung mit Python in der Praxis

    12. April 2021, 9 Uhr bis 13 Uhr

    Wadim Wormsbecher & Thomas Kranzkowski, StackFuel

    Damit Sie Ihre mit Machine Learning und Datenanalysen gesammelten Erkenntnisse präsentieren können, ist ein solides Verständnis von Datenvisualisierung äußerst wichtig. In diesem Webinar erklären Ihnen Wadim Wormsbecher und Thomas Kranzkowski, wann welche Grafiktypen für die Datenvisualisierung besonders gut geeignet sind. Sie lernen das Werkzeug Plotly kennen und setzt es in anschaulichen Beispielen selbst ein.  Sie werden erfahren, wie Sie Daten wirkungsvoll visualisieren können und verstehen danach die Best Practices, die Sie beim Einsatz der Tools kennen sollten.

    ZUM WEBINAR
  • Machine Learning in Production

    22. April 2021, 9 Uhr bis 13 Uhr

    Matthias Niehoff, codecentric

    Die Entwicklung von Machine-Learning-Modellen ist eine spannende und herausfordernde Aufgabe. Doch nach der Modellentwicklung kommt der nächste komplexe Schritt: Das Ganze soll in Produktion gehen. In diesem Webinar lernen Sie mit Matthias Niehoff, wie Sie den Weg Ihrer Modelle in die Produktion meistern können. Gemeinsam diskutieren Sie verschiedene Herausforderungen wie die Versionierung und das Re-Training der Modelle und erarbeiten mit Werkzeugen wie dvc, mlflow und Airflow mögliche Lösungsansätze.

    ZUM WEBINAR

IHRE EXPERTEN

  • Christian Winkler

    Christian Winkler

    Data Scientist, datanizing

    Dr. Christian Winkler ist Data Scientist und Machine Learning Architect bei datanizing. Er promovierte in theoretischer Physik und arbeitet seit 20 Jahren im Bereich großer Datenmengen und Künstliche Intelligenz, insbesondere mit Fokus auf skalierbaren Systemen und intelligenten Algorithmen zur Massentextverarbeitung.

  • Wadim Wormsbecher

    Wadim Wormsbecher

    Educational Data Scientist, StackFuel

    Wadim Wormsbecher arbeitet als Educational Data Scientist bei StackFuel und entwickelt Lernkurse zu verschiedenen Schwerpunkten in den Themengebieten Data Science und Artificial Intelligence. Er ist Doktor der theoretischen Physik (HU Berlin) und hat ein Faible für Wissenschaftskommunikation.

  • Alexander Friedenberger

    Alexander Friedenberger

    Educational Data Scientist, StackFuel

    Alexander Friedenberger arbeitet als Educational Data Scientist bei StackFuel. Er ist ehemaliger wissenschaftlicher Mitarbeiter an der Friedrich-Alexander-Universität Erlangen-Nürnberg. Während seiner Zeit als Educational Data Scientist bei StackFuel hat Alexander unter anderem das Training Quickstart Deep Learning auf die Beine gestellt.

  • Thomas Timmermann

    Thomas Timmermann

    Data Scientist, codecentric

    Thomas arbeitet als Data Scientist für codecentric. Er hat in Mathematik promoviert, Erfahrung in der Forschung und Weiterbildung gesammelt und verstärkt seit Oktober 2018 das Unternehmen im Bereich Data Science/Machine Learning. Besonders interessieren ihn alle Themen rund um KI und Deep Learning.

  • Thomas Kranzkowski

    Thomas Kranzkowski

    Junior Educational Data Scientist, StackFuel

    Thomas Kranzkowski arbeitet als Junior Educational Data Scientist bei StackFuel. Neben mehrjähriger Erfahrung in der Produktionsplanung und dem Supply Chain Management hat Thomas auch am Data-Analytics- und Data-Science-Training bei StackFuel mitgewirkt. Privat engagiert sich Thomas für soziale Projekte der Vereinten Nationen und der Bundesrepublik Deutschland.

  • Matthias Niehoff

    Matthias Niehoff

    Head of Data & AI, codecentric

    Matthias Niehoff ist als Data Architect sowie Head of Data & AI für codecentric unterwegs und unterstützt Kunden bei Design und Umsetzung von Datenarchitekturen. Dabei liegt sein Fokus weniger auf dem Modell, sondern viel mehr auf der notwendigen Infrastruktur und Organisation, um Daten- und KI-Projekten zum Erfolg zu verhelfen.

TICKETS BUCHEN

  • Fünf umfassende Webinare zu Machine Learning
  • Die wichtigsten Bibliotheken praxisnah erklärt
  • 20 Stunden Profiwissen zu den wichtigsten Machine-Learning-Themen
  • Machine Learning von den Grundlagen bis zum Praxiseinsatz
  • Online-Teilnahme vom eigenen Schreibtisch aus
  • Mit vielen Übungsaufgaben und Praxisbeispielen
  • Stellen Sie den Experten Fragen über den Online-Chat
  • Unbefristeter Zugang zu allen Videos & Materialien

Exklusiver Kombi-Preis: 429 €*

Buchen Sie gleich Ihr Ticket für alle fünf Webinar-Termine und sparen Sie über 250 € im Vergleich zum Einzelkauf!

Einzelpreis: 139 €*

JETZT BUCHEN

*Alle Preise verstehen sich inkl. gesetzl. MwSt (kann je nach Bestimmungsland im Bestellverlauf variieren).

SPONSORING

Sie haben Interesse an einer Partnerschaft? Kontaktieren Sie uns einfach, und profitieren Sie als Sponsor von unseren maßgeschneiderten Paketen.

Gern erstellen wir Ihnen ein Angebot!

Tarik El-Badaoui // +49 [0] 511 5352-395 // teb@heise.de