Online oder Inhouse Schulungen innerhalb Europas
Alle Workshops auf Englisch oder Deutsch
Ganze Tage oder halbe Tage
Inhalt und Zeitplan an Ihre Bedürfnisse angepasst

Bauen Sie neuronale Netze und Transformer-Architekturen von Grund auf mit PyTorch.

Deshalb sollten Sie am Workshop teilnehmen (für Entwickler)

• Vermeiden Sie wochenlange Suche in verstreuten Tutorials und fragmentierten Online-Ressourcen, um zu verstehen, wie moderne KI-Architekturen wie Transformers und GPT-Modelle tatsächlich funktionieren
• Selbst zu lernen ist nicht für jeden geeignet - nehmen Sie stattdessen an einer interaktiven Sitzung mit einem Experten-Trainer und einer Gruppe von Entwicklern teil
• Fördern Sie Ihre Karriere, indem Sie PyTorch meistern und die fundamentalen Bausteine modernster KI-Systeme wie ChatGPT verstehen

Deshalb sollten Sie am Workshop teilnehmen (für Entscheidungsträger)

• Denken Sie über den Aufbau interner KI-Fähigkeiten nach? Befähigen Sie Ihr Team, moderne neuronale Architekturen zu verstehen und zu implementieren, ohne monatelang selbst zu studieren
• Reduzieren Sie die Abhängigkeit von Black-Box-Lösungen, indem Sie Ihre Entwickler befähigen, Deep-Learning-Modelle von Grund auf zu bauen, anzupassen und zu debuggen
• Bilden Sie Ihr Team und Ihr Unternehmen mit den neuesten Deep-Learning-Technologien weiter, um wettbewerbsfähig zu bleiben

Zeitplan

3 ganze Tage oder 6 halbe Tage

Beschreibung

In diesem Kurs lernen Sie, neuronale Netze von Grund auf mit PyTorch zu bauen, beginnend bei den Fundamenten bis hin zur Implementierung der Transformer-Architekturen, die moderne KI-Systeme antreiben. Wir beginnen mit PyTorch-Tensoren und automatischer Differentiation und schaffen so eine solide Grundlage für das Verständnis, wie neuronale Netze lernen. Anstatt Deep Learning als Black Box zu behandeln, implementieren Sie jede Komponente selbst durch praktische Coding-Übungen - von einfachen Perceptrons bis zu mehrschichtigen Netzwerken - und gewinnen so tiefgreifendes Verständnis dafür, wie Backpropagation und Gradient Decent unter der Haube funktionieren.

Wir werden spezialisierte neuronale Architekturen erkunden, die für verschiedene Datentypen und Probleme entwickelt wurden. Sie implementieren Convolutional Neural Networks (CNNs) für Bildverarbeitung und lernen dabei über Convolutional Layers, Pooling-Operationen und Feature-Extraktion. Für sequentielle Daten bauen wir Recurrent Neural Networks (RNNs), GRU- und LSTM-Netzwerke und verstehen, wie diese Architekturen mit Zeitreihen- und Textdaten umgehen. Durch praktisches Coding lernen Sie, wann Sie welchen Architekturtyp anwenden und wie Sie Netzwerke für spezifische Anwendungsfälle entwerfen.

Der Kurs führt hin zu einer eigenen Implementierung der vollständigen Transformer-Architektur von Grund auf - der Grundlage moderner KI-Systeme wie ChatGPT. Sie programmieren Encoder-Decoder-Modelle, implementieren Attention-Mechanismen von Grund auf und verstehen, wie Self-Attention und Multi-Head-Attention zusammenarbeiten. Wir behandeln Positional Encoding, Layer Normalization und Feed-Forward-Netzwerke und bauen Schritt für Schritt einen kompletten Transformer auf. Abschließend implementieren Sie ein vereinfachtes GPT-Style Decoder-Only-Modell für Textgenerierung und gewinnen so praktisches Verständnis der Architektur hinter Large Language Models.

Während des gesamten Workshops legen wir den Schwerpunkt auf praktisches PyTorch-Coding mit echten Übungen in jedem Modul. Sie lernen Best Practices für das Training und die Optimierung neuronaler Netze, den effizienten Umgang mit Computational Graphs und das Debuggen von Modellimplementierungen. Am Ende verfügen Sie über die Fähigkeiten, KI-Research-Papers zu lesen, State-of-the-Art-Modelle zu implementieren und zu verstehen, wie moderne KI-Technologien auf fundamentaler Ebene funktionieren - dies befähigt Sie, Deep-Learning-Lösungen für Ihre spezifischen Anforderungen zu bauen und anzupassen.

Kontaktieren Sie mich für ein Angebot

< Alle Workshops ansehen