Rückblick: KI-Trainer Entwicklung - Online-Seminar Reihe im September

Die zweite KI-Trainer Entwicklung – Online-Seminar Reihe fand von 10. September bis zum 15. September statt. An fünf zweistündigen Terminen bekamen die Teilnehmer einen Einstieg in die KI Entwicklung: Von den Grundlagen der Python-Programmierung – einer unumgänglichen Programmiersprache im maschinellen Lernen - bis hin zu der Entwicklung von einfachen Deep Learning Modellen mit Tensorflow.

Die ersten beiden Teile behandelten die Grundlagen der Programmiersprache Python – mit Fokus auf die für Deep Learning relevanten Teile. Das umfasst neben der generellen Syntax verschiedener Datenstrukturen und Programmkonstrukte auch eine Erklärung der Modulstruktur in Python. Außerdem wurden generell nützliche Python-Funktionen und Module vorgestellt. 

Der dritte Teil stellte den Übergang von regulärem Python in Richtung wissenschaftlicher Verarbeitung von Daten mit Python dar. Dieser Teil mit dem Titel “Entwicklungstools für Deep Learning” enthielt zunächst ein paar genauere Informationen zu möglichen Entwicklungsumgebungen für Python. Einige Teilnehmer konnten hier ihre eigenen Erfahrungen nennen, wodurch Python-Neulingen eine gute Übersicht über die verschiedenen Alternativen gegeben wurde. Der Hauptteil des Online-Seminars handelte von numpy: Ein Python Modul um mathematische Berechnungen zu erleichtern. Zuletzt wurden Python Module vorgestellt, die auf Basis von numpy Daten anschaulich visualisieren können – namentlich matplotlib und bokeh.

Die letzten beiden Teile behandelten Deep Learning, das derzeit wohl wichtigste Thema in der KI. Der Aufbau tiefer neuronaler Netze – welche der Kern von Deep Learning sind – wurde Stück für Stück erklärt: Angefangen bei einem einzelnen Neuron, bis hin zu mehrschichtigen neuronalen Netzen. Es wurde im Detail aufgezeigt, wie eine Eingabe klassifiziert wird – eine der Hauptaufgaben von tiefen neuronalen Netzen – und wie der generelle Lernprozess in neuronalen Netzen stattfindet. Erweiterte neuronale Netz-Strukturen wie sogenannte “Convolutional Neural Networks” – welche insbesondere bei Bilddaten Wirkung zeigen – wurden ebenfalls erklärt. Zuletzt wurde mehr auf das Python Deep Learning Modul “Tensorflow” eingegangen, mit welchem komplexe Modelle in wenigen Zeilen Code implementierbar sind. Auf Basis der Beispieldatensätze MNIST und Cifar-10 konnten Teilnehmer erste kleine Modelle selbst entwickeln.

Die Idee der Reihe war, dass Teilnehmer lediglich allgemeine Programmierkenntnisse benötigen, und alles weitere nötige Wissen innerhalb der Online-Seminare vermittelt wird. Somit konnten viele Teilnehmer, welche bisher noch nie KI Entwicklung betrieben haben, einen ersten Einblick erhalten, wie der KI Entwicklungsprozess generell aussieht und welches Wissen nötig ist, um Deep Learning Modelle zu implementieren.

Der Kern der gesamten Reihe sind sogenannte Jupyter Notebooks: Diese erlauben es, einzelne Teile Code einfach auszuführen und bieten eine ideale Grundlage für Prototyping und Wissensvermittlung mit Python. Diese wurden auf unserem internen Server eingerichtet und über eine Webseite erreichbar gemacht, wodurch jeder Teilnehmer einfach und komfortabel von Zuhause aus den Code ausprobieren und weiterentwickeln konnte, ohne dass eine Einrichtung auf dem eigenen PC notwendig war. Aufgrund von verzögerten Wartungsarbeiten an der Hochschule mussten die ersten beiden Teile jedoch dieses mal ohne Server auskommen, was aber dennoch keine größeren Auswirkungen auf den Workshop hatte. Unterlagen wurden an die Teilnehmer im Anschluss versendet, wodurch die Übungen nachgeholt werden konnten.

Wir freuen uns, dass wir viele Teilnehmer aus verschiedensten Branchen begrüßen durften, von Startups bis hin zu großen mittelständischen Unternehmen. Das Format mit einfach zugänglichen Jupyter Notebooks kommt weiterhin gut bei allen an – der Aufwand für den Aufbau dieser Infrastruktur hat sich also gelohnt!

Das Feedback der Teilnehmer war sehr positiv. Inhaltlich gab es eine Fülle an Informationen, die bei vielen Lust auf mehr gemacht haben. Damit sind wir sehr glücklich, denn eines unserer Hauptziele dieser Reihe ist damit erreicht! Allerdings wollen wir auch in Zukunft die Reihe weiter verbessern. Wir untersuchen Möglichkeiten, wie wir den Anteil der Praxis etwas erhöhen können, ohne wichtige theoretische Grundlagen außer Acht zu lassen. Auch schauen wir uns das Übungsformat nochmal etwas genauer an, zum Beispiel wollen wir hier die Interaktion zwischen den Teilnehmern verbessern.

Verbesserungsvorschläge und generelles Feedback der Teilnehmer wurden von uns dankend angenommen!

Wir bedanken uns noch einmal ganz herzlich bei allen Teilnehmern!