Die Schulung richtet sich an Data Scientists, Entwickler:innen und Ingenieur:innen mit Vorkenntnissen in Python, die sich fundiert mit Deep Learning und modernen neuronalen Netzen befassen möchten.
Voraussetzungen: Solide Python-Kenntnisse, Grundlagen in Linearer Algebra und Statistik, erste Erfahrung mit Machine Learning von Vorteil
12:30–14:30 Uhr: Vertiefung, Gruppenarbeit oder Übungen
14:30–17:00 Uhr: Transfer, Diskussion & Abschluss
Dieses kompakte Tagesformat ist auf ca. 8 Zeitstunden ausgelegt und bietet eine ausgewogene Mischung aus Input, Anwendung und Reflexion – bei maximal 30 Minuten Pause.
Lernziele nach dem Lehrbaummodell
Diese Lernziele orientieren sich am Lehrbaummodell (Ellmann 2022) und fördern nachhaltiges Lernen auf kognitiver, motivationaler und metakognitiver Ebene.
Stamm: Planung & Motivation:
Die Teilnehmenden setzen sich individuelle Lernziele im Bereich Deep Learning, verstehen die Relevanz neuronaler Netze für moderne Anwendungen und sind intrinsisch motiviert, diese Konzepte praktisch umzusetzen.
Kommunikation:
Die Lernenden diskutieren Netzwerkarchitekturen, Aktivierungsfunktionen, Schulungsprozesse und Regularisierungsmethoden im Team, reflektieren die Auswahl geeigneter Modelle und tauschen sich über Lösungsansätze aus.
Material & Struktur:
Die Teilnehmenden arbeiten mit klar strukturierten Lernmaterialien, wie TensorFlow-Dokumentationen, Modellbeispielen, Schulungsnotebooks, Visualisierungen (z. B. TensorBoard) und begleitenden Code-Demos.
Gedächtnis & Aufmerksamkeit:
Konzepte wie Backpropagation, CNNs, RNNs, Transformer und Attention werden durch praxisorientierte Implementierungen, Wiederholungen und visuelle Modelle tiefgreifend verankert.
Aktivierung & Lernstörung:
Die Lernenden implementieren eigene Deep-Learning-Modelle mit Keras, beheben Schulungsprobleme, analysieren Underfitting und Overfitting und entwickeln eine reflektierte Herangehensweise an komplexe Lernprozesse.
Gipfel: Überprüfung & Transfer:
Die Teilnehmenden evaluieren ihre Modelle anhand geeigneter Metriken, dokumentieren Schulungsverläufe und übertragen das Erlernte auf eigene Anwendungsfälle im Bereich Bildverarbeitung oder Sprachverarbeitung.
Kursbezogene Ziele
Verständnis für Architektur und Schulungsprozesse neuronaler Netzwerke
Praktische Umsetzung von Bild- und Textmodellen mit TensorFlow
Quelle des Lehrbaummodells zur Gestaltung effektiver Lehre in der IT vom Inhaber:
M. Ellmann (2022). Effektives Lehren und Lernen in der Informatik, Wirtschaftsinformatik und verwandten Fachgebieten. Veröffentlicht in: Informatik Spektrum, Springer Nature. SPRINGER NATURE Link:
https://doi.org/10.1007/s00287-022-01436-5
Bin ich bereit für das Deep Learning Schulung?
Diese kurze Selbstreflexion hilft Ihnen, Ihre Vorkenntnisse besser einzuschätzen:
</> Wenn Sie 3 oder mehr Kästchen ankreuzen, ist diese Schulung optimal für Ihren Einstieg ins Deep Learning.
Datenschutzhinweis: Ihre Eingaben in dieser Checkliste werden nicht gespeichert und nicht an den Server übertragen.
Passende Fachliteratur
Diese Fachbücher ergänzen die Schulung und eignen sich zur Vertiefung,
Begleitung und Nachbereitung datenanalytischer Inhalte.
Deutsche Ausgabe
Von Modellen zu Entscheidungen in Machine Learning mit Python
Vom Modell zur verantwortbaren Entscheidung
Das Buch zeigt, warum Vorhersagen noch keine Entscheidungen und Modelle noch keine Lösungen sind. Es verbindet Machine Learning, Modellbewertung, Unsicherheit, Urteilskraft und Verantwortung mit praktischen Python-Anwendungen.
From Models to Decisions in Machine Learning with Python
From Models to Responsible Decision-Making
The book explains why predictions are not decisions and why models are not complete solutions. It connects Machine Learning, model evaluation, uncertainty, judgment and responsibility with practical Python applications.
Die vollständigen Buchinformationen und Bezugsquellen befinden sich
auf www.mathiasellmann.de.
Nächste Kurstermine
Hinweis: Gesetzliche Feiertage wurden bei der Terminberechnung automatisch berücksichtigt.
Startzeitraum
Kontakt
02
Nov
2026
bis 06.11.2026
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
16
Nov
2026
bis 20.11.2026
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
30
Nov
2026
bis 04.12.2026
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
14
Dec
2026
bis 18.12.2026
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
28
Dec
2026
bis 04.01.2027
5 Schulungstage
inkl. individueller Vertiefung
Mathias Ellmann
Ing., M. Sc.
Kein passender Termin dabei? Gerne prüfen wir individuelle Schulungswünsche.
Mathias Ellmann
Ing., M. Sc.
Musterzertifikat
Dies ist die erste Seite des Zertifikats für Deep Learning mit Python & TensorFlow:
Das vollständige Musterzertifikat kann auf Anfrage per E-Mail bereitgestellt werden.
Häufige Fragen zur Deep Learning Schulung
Welche Voraussetzungen gelten für die Deep Learning Schulung?
Für die Deep Learning Schulung sollten Sie solide Python-Kenntnisse besitzen und sich mit Statistik sowie Linearer Algebra auskennen. Erste Erfahrungen mit Machine Learning (z. B. mit scikit-learn) sind ebenfalls hilfreich.
Wie lange dauert die Deep Learning Schulung und wo findet sie statt?
Die Deep Learning Schulung umfasst 5 Tage (jeweils 08:30–17:00 Uhr) und wird als Online-Kurs oder vor Ort in Hamburg angeboten.
Welche Inhalte vermittelt die Deep Learning Schulung konkret?
Sie lernen, neuronale Netzwerke zu verstehen und praktisch umzusetzen – darunter CNNs, RNNs, Transformer-Modelle, Transfer Learning sowie Modelltraining mit Keras und TensorFlow.
Was unterscheidet diese IT-Schulung von anderen Deep-Learning-Kursen?
Die Schulung folgt dem Lehrbaummodell, kombiniert Praxis mit fundiertem Theorieverständnis und legt besonderen Fokus auf Architektur, Schulungstechniken und Transferfähigkeit der Modelle in reale Projekte.
Wie viel kostet die Deep Learning Schulung?
Die Teilnahme an der Deep Learning Schulung kostet 2.379,00 € inkl. MwSt. Inklusive sind alle Schulungsunterlagen, das Teilnahmezertifikat und individuelle Betreuung während der Veranstaltung.
Gibt es eine Teilnahmebestätigung für die Deep Learning Schulung?
Ja. Nach Abschluss der Deep Learning Schulung erhalten Sie ein offizielles Schulungszertifikat mit den behandelten Inhalten und dem zeitlichen Umfang der Fortbildung.
Ist die Deep Learning Schulung auch für Unternehmen oder Teams geeignet?
Ja, wir bieten individuelle IT-Schulungen für Teams – etwa als Inhouse-Training oder maßgeschneidert für spezifische TensorFlow-/Keras-Projekte und Anforderungen im Unternehmen.
Wie kann ich die Deep Learning Schulung bezahlen?
Die Zahlung erfolgt nach Rechnungsstellung per Überweisung. Bei Gruppenbuchung oder Firmenkursen sind auch Sammelrechnungen oder Zahlungsziele nach Vereinbarung möglich.
Kann ich die Deep Learning Schulung stornieren oder umbuchen?
Bis 14 Tage vor Kursbeginn ist eine kostenfreie Stornierung möglich. Alternativ bieten wir eine kostenfreie Umbuchung auf einen anderen Termin oder eine Ersatzteilnehmerregelung an.
Kann ich für die Deep Learning Schulung einen Bildungsgutschein einsetzen?
Die Deep Learning Schulung ist derzeit nicht für Bildungsgutscheine nach AZAV zugelassen. Gerne beraten wir Sie zu alternativen Fördermöglichkeiten für Ihre berufliche Weiterbildung.
