* Grundkenntnisse in Python und Jupyter
* Grundkenntnisse in Machine Learning/Deep Learning
* Praktische Erfahrungen im Trainieren von Neuronalen Netzen und Deep-Learning-Algorithmen sind hilfreich
* Besonderes mathematisches Know-how ist nicht erforderlich
* Unterscheidung der Begriffe Lernen - Trainieren - Optimieren
* Verständnis der Rolle von Optimierungsmethoden im Machine / Deep Learning
* Grundlegende Kenntnis der Funktionsweisen, Eigenschaften und Parameter ausgewählter Verfahren
* Hands-on-Kennenlernen des Potenzials "guter" Optimierungsverfahrens im Hinblick auf Trainingszeit und -ergebnis (Modellqualität)
* Viele praktische Experimente, Tipps und Tricks für den Trainingsalltag, ein Blick in den Maschinenraum des Machine Learning
Kaffeepause
Stefan Kühn beschäftigt sich seit vielen Jahren mit Data Science, Machine Learning und mathematischer Grundlagenforschung. Aktuell arbeitet er als Head of Data Science & Data Engineering bei Tom Tailor.
Sie möchten über die ML Essentials
auf dem Laufenden gehalten werden?
Dann abonnieren Sie den Newsletter der zugehörigen Konferenz Minds Mastering Machines (M3).