Herausforderung
Deep Learning ist ein komplexes Themenfeld, das auf zahlreichen Fach- und Anwendungsgebieten basiert. Unser Kunde stand vor der Herausforderung, ein maßgeschneidertes Schulungsformat zu finden, das die gesamte Breite des aktuellen Standes der Technik für seine fortgeschrittenen und erfahrenen Anwender:innen im Bereich Machine Learning praktisch mit den Tools Keras und Tensorflow erlebbar macht.
Viele bestehende Schulungsangebote auf dem Markt sind dabei auf Einsteiger:innen ausgelegt oder bieten keine Möglichkeit, mit echten Praktiker:innen ins Gespräch zu kommen. Die besondere Herausforderung des Projekts bestand darin, die wichtigsten Themen für eine relativ knappe Trainingsdauer zu bündeln und dabei einen effektiven didaktischen Aufbau inklusive Binnendifferenzierung auszuarbeiten.
Ansatz
Für die Durchführung unseres Deep Learning Bootcamps haben wir uns gemeinsam mit dem Kunden für ein viertägiges Format entschieden. Dieser Zeitraum erlaubte eine ausführliche Behandlung der zentralen Elemente des Deep Learning, ohne das Zeitbudget des Kunden zu überbeanspruchen.
Zur Gestaltung eines wertvollen Deep Learning Kurses haben wir zunächst die wichtigsten Use Cases des Kunden ermittelt und die State-of-the-art Systeme in diesen Kategorien zusammengetragen. Hinter diesen verschiedenen Deep Learning Systemen verstecken sich oft ähnliche Konzepte, die wir extrahiert und didaktisch aufgearbeitet haben. Methodisch fokussierten wir uns auf fortgeschrittene Konzepte des maschinellen Lernens: auf die wichtigsten Tools für die Entwicklung neuronaler Netze, Computer Vision mit CNNs, die Verarbeitung sequenzieller Daten zum Forecasting oder in der Textverarbeitung sowie die Arbeit mit Cloudarchitekturen zur effektiven Bereitstellung von Deep Learning Anwendungen.
Ergebnis
Im Ergebnis konnten wir erfolgreich einen viertägigen Deep Learning Kurs durchführen, welcher den Kunden mit Hilfe maßgeschneiderter Inhalte und Aufgaben auf den aktuellen Stand der Disziplin gebracht hat. Teilnehmende wurden befähigt zu entscheiden, ob ein Forschungsproblem mit Deep Learning zu lösen ist und konnten durch die flexible Themenwahl und einen interaktiven Einbezug ihrer individuellen Fragen aktiv methodischen Mehrwert für bestehende Forschungsprojekte erzeugen.