Suche

Einführung in Deep Learning mit Pytorch: MLP, CNN, Transformer

In drei Tagen lernen Sie die drei wichtigsten Bauformen neuronaler Netze kennen und setzen sie selbst in PyTorch um. Sie beginnen mit den Grundlagen: Neuronen, Aktivierungsfunktionen, Forward Pass und Loss, Gradientenabstieg und Backpropagation, dazu Tensoren, Datasets, DataLoader, nn.Module und die Trainingsschleife. Darauf folgen Convolutional Neural Networks mit Filtern, Feature Maps und Pooling am Beispiel der Bildklassifikation. Zum Abschluss bauen Sie mit Attention, Self-Attention und Positional Encoding einen Transformer-Block und nutzen ihn für eine einfache Textklassifikation.

  • 3 Tage
  • Einsteiger
  • Deutsch
  • 1.595 € zzgl. MwSt.
  • Bescheinigung und digitales Badge
  • 1 Garantietermin
Termin & Ort wählenAlle Termine

Auf einen Blick

Kurs
Seminar, 3 Tage, Niveau Einsteiger, Sprache Deutsch.
Preis
1.595 € netto pro Person (1.898,05 € inkl. 19 % MwSt.). Als Firmenseminar 1.695 € netto pro Tag.
Termine
70 Termine bis August 2027, online im Virtual Classroom und vor Ort in 23 Städten, u. a. Berlin, Bremen, Darmstadt und Dresden. Nächster Termin: 09.–11.11.2026. 1 Garantietermin.
Nachweis
Teilnahmebescheinigung und digitales Badge für jede Teilnahme.

Worum es geht

Der Kurs verbindet Verständnis und Programmierung: Jedes Konzept wird in Code umgesetzt, trainiert und mit Loss-Kurven und Visualisierungen überprüft. So können Sie später einschätzen, was in vortrainierten Modellen und Sprachmodellen geschieht, statt sie als Black Box zu verwenden. Im Lernpfad Deep Learning und Textanalyse ist er der erste Schritt.

Praxisbezug im Gesundheitswesen

Auch wer Deep Learning nicht selbst entwickelt, profitiert vom Verständnis der Grundlagen, etwa bei der Bewertung von KI-Angeboten für Verwaltung und Dokumentenverarbeitung. Im Posteingang von Krankenkassen und Krankenhäusern lassen sich eingescannte Dokumente mit Bildklassifikation nach Formulartyp sortieren, etwa Anträge, Rechnungen oder Bescheinigungen. Transformer-Modelle ordnen Freitexte wie Versichertenanfragen oder Beschwerden Themen zu und bereiten so die Weiterleitung vor. Wer weiß, wie Training, Overfitting und Evaluation funktionieren, kann die Aussagen von Anbietern zur Genauigkeit solcher Systeme kritisch prüfen. Für das Training mit eigenen Dokumenten gilt: Personenbezogene Inhalte vorher entfernen oder pseudonymisieren und den Einsatz mit dem Datenschutz abstimmen.

Ziel des Seminars

In dieser 3-tägigen Schulung "Einführung in Deep Learning mit Pytorch: MLP, CNN, Transformer" erhalten Sie die nötigen Kenntnisse über das Framework Pytorch sowie dem grundlegenden Netzwerktyp bei Deep Learning, den Multilayer Perzeptrons, den Convolutional Neural Networks, die v.a. bei Bilddaten verwendet werden und den Transformern, die v.a. bei Textdaten verwendet werden. Im Laufe des Kurses werden vollständige Beispiele mit Trainingsschleife, Testläufen, Ausgabe der Losswerte und Visualisierungen durchgeführt.

Für wen

  • Python-Entwickler

Inhalte

Deep Learning & Neuronale Netze
  • Einführung in Deep Learning
  • Neuronale Netze und MLP
  • Aktivierungsfunktionen
  • Forward Pass und Loss
  • Gradient Descent und Backpropagation
  • PyTorch-Grundlagen
  • Tensoren, Dataset, DataLoader
  • nn.Module
  • Training Loop
  • MLP in PyTorch
  • Training und Evaluation
CNNs & Computer Vision
  • Einführung in CNNs
  • Convolution und Filter
  • Feature Maps
  • Receptive Field
  • Pooling
  • CNN-Architekturen
  • CNN in PyTorch
  • Bildklassifikation
  • Training und Evaluation
  • Vergleich MLP und CNN
Transformer & moderne Sprachmodelle
  • Einführung in Sequenzmodelle
  • Motivation für Transformer
  • Attention
  • Query, Key, Value
  • Self-Attention
  • Multi-Head Attention
  • Positional Encoding
  • Transformer-Block
  • Transformer in PyTorch
  • Einfache Sequenz- oder Textklassifikation
  • Vergleich MLP, CNN und Transformer
  • Ausblick auf moderne Sprachmodelle

Voraussetzungen

  • Kenntnisse in Python
  • Erfahrung mit Machine Learning wird hier NICHT vorausgesetzt.

Methode

Die Schulung bietet Ihnen eine ausgewogene Mischung aus Theorie und Praxis. Sie tauschen sich direkt mit projekterfahrenen Trainerinnen und Trainern und den anderen Teilnehmenden aus.

Lernpfad Deep Learning und Textanalyse

  1. Dieses SeminarEinführung in Deep Learning mit Pytorch
  2. Danach

Ihre Vorteile

  • Trainer mit Projekterfahrung: Sie lernen bei Expertinnen und Experten, die nicht nur schulen, sondern selbst Projekte umsetzen – etwa KI- und Datenprojekte. So erfahren Sie, worauf es in der Praxis ankommt.
  • Seminarunterlage
  • Schulungsumgebung (LAB)
  • Teilnahmebescheinigung und digitales Badge

Häufige Fragen zu Einführung in Deep Learning mit Pytorch

Für wen im Gesundheitswesen eignet sich die Einführung in Deep Learning mit PyTorch?

Für Python-Entwicklerinnen und -Entwickler, Data Scientists und KI-Teams, die verstehen wollen, wie neuronale Netze aufgebaut sind und trainiert werden. Im Gesundheitswesen passt der Kurs zu IT-, Entwicklungs- und Datenteams in Krankenhäusern, Klinikverbünden und Krankenkassen, die KI-Lösungen selbst entwickeln, bewerten oder betreuen.

Welche Vorkenntnisse brauche ich?

Sie sollten sicher in Python programmieren können. Erfahrung mit Machine Learning wird nicht vorausgesetzt; die Grundbegriffe wie Loss, Gradientenabstieg und Backpropagation werden im Kurs erarbeitet.

Was ist der Unterschied zu LFD473 PyTorch in Practice?

Die Einführung in Deep Learning mit PyTorch erklärt, wie die wichtigsten Netztypen funktionieren, und baut sie Schritt für Schritt selbst auf. LFD473 ist der offizielle Kurs der Linux Foundation und arbeitet anwendungsorientiert mit vortrainierten Modellen, die feinabgestimmt und bereitgestellt werden. Wer die Grundlagen verstehen will, beginnt mit der Einführung; wer schnell zu Prototypen kommen will und Grundwissen mitbringt, wählt LFD473.

Welches Seminar passt danach?

Wer Texte auswerten möchte, macht mit Python-Workflows – LLMs, NLP & RAG für Texte weiter. Für anwendungsnahe Prototypen mit vortrainierten Modellen bietet sich LFD473 PyTorch in Practice an.

Was kostet das Seminar Einführung in Deep Learning mit Pytorch?

Die Teilnahme kostet 1.595 € netto pro Person, das sind 1.898,05 € inklusive 19 % Mehrwertsteuer. Im Preis enthalten: Seminarunterlage und Schulungsumgebung (LAB). Als Firmenseminar exklusiv für Ihr Team berechnen wir 1.695 € netto pro Schulungstag.

Wann und wo findet Einführung in Deep Learning mit Pytorch statt?

Das Seminar dauert 3 Tage. Bis August 2027 gibt es 70 Termine, online im Virtual Classroom und vor Ort in 23 Städten, u. a. Berlin, Bremen, Darmstadt, Dresden, Düsseldorf und Essen. Der nächste Termin ist am 09.–11.11.2026. 1 Termin findet garantiert statt (Garantietermine).

Erhalte ich nach Einführung in Deep Learning mit Pytorch einen Nachweis?

Ja. Jede Teilnahme erhält eine Teilnahmebescheinigung und ein digitales Badge.

Kann ich Einführung in Deep Learning mit Pytorch als Firmenseminar für mein Team buchen?

Ja. Als Firmenseminar findet Einführung in Deep Learning mit Pytorch exklusiv für Ihr Team statt – bei Ihnen vor Ort oder online, zu einem Termin Ihrer Wahl. Der Tagessatz beträgt 1.695 € netto.

Passendes Wissen

Alle Artikel

Termine & Orte

Offener Kurs · 1.595 € pro Person zzgl. MwSt. Klicken Sie auf einen Ort, um genau diesen Termin anzufragen. Grün mit Häkchen: Garantietermine – sie finden sicher statt.

Termine und Orte werden täglich aus dem Seminarkatalog aktualisiert, zuletzt am 7.11.2026.

Mehr zum Thema: Künstliche Intelligenz

KI sicher und wirksam einsetzen – Anwendungsfälle, KI-Richtlinie, Datenschutz und KI-Kompetenz für alle Rollen.

Ähnliche Seminare

Alle Seminare: Künstliche Intelligenz

Lassen Sie uns über Ihr Projekt sprechen.

Unverbindliches Erstgespräch zu Beratung, Projekt oder Schulung.

Gespräch anfrageninfo@digitalhealthexperts.de