Skalierbares Lernen

Die effiziente und skalierbare Implementierung von Algorithmen des maschinellen Lernens in produktiven Systemen ist eine wichtige Voraussetzung für den Erfolg im Unternehmen. Hier lernen Sie die theoretischen Grundlagen zum Entwurf von maschinellen Lernsystemen kennen und üben die technische Umsetzung in der Praxis.

Zielgruppe: Data Scientists, Analysten, die ihre Fähigkeiten im Entwurf skalierbarer Lernsysteme ausweiten wollen. Softwareentwickler/-architekten, die Lösungen für analytische Fragestellungen entwickeln.

Voraussetzungen: Kurs „Applied Deep Learning“ oder äquivalente Qualifikation

Sprache: Vorträge in Deutsch, Material in Englisch

Inhalt

Tag 1

Komplexität und Laufzeitanalyse von Lernalgorithmen
Implementierung auf GPUs, Mehrkern- und verteilten Systemen
Hardware-Architektur für ML-Systeme

Tag 2

Maschinelles Lernen für Big Data Anwendungen
High Performance Computing für maschinelles Lernen
Verteilte Parallelisierung mit dem Message Passing Interface (MPI) und dem Global Address Space Programming Interface (GPI)
Implementierung von ML Systemen in der Cloud

Praxisphase

Übungen im virtuellen Lernlabor im Umfang von 2 Arbeitstagen im Zeitraum von 2 Monaten
Lösung/Abgabe einer vorgegebenen Aufgabe zum Nachweis der praktischen Anwendung des Gelernten

Rahmen

Das Angebot zum Gesamtpreis von 5.300 Euro beinhaltet

den dreitägigen Grundkurs „Applied Deep Learning“
diesen zweitägigen Vertiefungskurs in Kaiserslautern mit anschließender Praxisphase (ca. 2 Arbeitstage im Zeitraum von 2 Monaten),
eine halbtägige Prüfung in Sankt Augustin.

Es besteht die Möglichkeit die Vertiefungen einzeln zu buchen. Bei Einzelbuchung der Vertiefung werden die Inhalte des Grundkurses vorausgesetzt. Der Einzelpreis beträgt 1.900 Euro.

Die Teilnahmegebühr ist steuerfrei gem. § 4 Nr. 22a UStG. Sie umfasst Begleitunterlagen (auf Englisch) und Verpflegung.

Bitte beachten Sie die Storno- und Teilnahmebedingungen sowie die Datenschutzerklärung.

Maximale Teilnehmerzahl: 15

Die Anmeldungen werden in der Reihenfolge des Eingangs berücksichtigt.

Veranstaltungsort:
Fraunhofer-Institut für Techno- und Wirtschaftsmathematik
Fraunhofer-Platz 1, 67663 Kaiserslautern