Schulungssuche

Do you manage one or more processes in your organisation? This course shows you how to harness the power of process mining to make data-driven decisions. You will learn how to get away from manual process analysis and save time. Our experts will teach you the different methods of process analysis, independent of any provider and based on the latest scientific knowledge! Im Kurs lernst du folgendes: Die reale Ausführung deines Prozesses zu identifizieren Effiziente Nutzung deiner Prozessdaten Identifikation von Problemen mit konkreten Zahlen Alles rund ums Projekt: Methodik eines Process Mining Projekts Wie du Process Mining in deinem Unternehmen skalieren kannst Alles, was du brauchst, ist ein Windows-Laptop mit den notwendigen Berechtigungen zur Installation von Software und ein paar Python Grundkenntnisse. Schon geht’s los! Den genauen Kursplan findest du am Ende der Seite in der Grafik. Für Fragen kannst du dich auch direkt an unsere Experten wenden. Den Kontakt findest du im Link auf der rechten Seite.

Quantencomputing und die darunter zugrunde liegende Quantenmechanik öffnen neue Türen der Berechnung. In den 1990er Jahren demonstrierte Shor’s Algorithmus einen exponentiellen Speed-Up gegenüber klassischen Algorithmen zur Faktorisierung großer Zahlen. In letzter Zeit macht die Entwicklung von Quantencomputern große Fortschritte und wir müssen lernen, wie wir die Vorteile von Quantencomputern nutzen können. In diesem Training, das wir in Zusammenarbeit mit dem Fraunhofer ITWM organisieren, lernen Sie die Grundlagen des Quantencomputers und die wichtigsten Algorithmen des Quantencomputers kennen. Die vermittelten Konzepte werden mit einer Vielzahl von Fallbeispielen aus realen Anwendungen und Projekten illustriert. Ein großer Teil des Kurses dient dazu, das Erlernte mit praktischen Anwendungsbeispielen weiter zu vertiefen.

Dieser Kurs bietet einen detaillierten Überblick der generativen Künstlichen Intelligenz (KI) und des Konzepts des Promptings im Gesundheitswesen. Die Inhalte umfassen eine Einführung in generative KI und deren Funktionsweise sowie eine Analyse des Promptings und seiner Anwendungsfälle in der Medizin. Besonderes Augenmerk wird auf Prompt Engineering gelegt, wobei Strategien zur Gestaltung effektiver Prompts zur Erzielung gewünschter Ergebnisse untersucht werden. Die Strukturierung von Outputs generativer KI wird ebenso behandelt wie die potenziellen Risiken, die mit ihrer Anwendung verbunden sind.

Dieses Seminar bietet eine Einführung in die Optimierung der sektorenübergreifenden Energieeinsatzplanung und ermöglicht es den Teilnehmenden, diese Grundlagen an einfachen Beispielen zu erlernen. Obwohl das Seminar thematisch an das Seminar Energy Data Analyst anknüpft, baut es nicht darauf auf.

Die fortschreitende Entwicklung von KI hat die Art und Weise, wie wir Informationen verarbeiten, revolutioniert. GPT (kurz für: Generative Pre-trained Transformer) steht im Zentrum dieser Revolution und hat das Potenzial, Texte zu generieren, zu übersetzen, zusammenzufassen und vieles mehr. Damit können neue Produkte und Geschäftsmodelle sowie unternehmenseigene Prozesse effizienter gestaltet werden, um den täglichen Aufgaben des Alltags, wie z.B. E-Mails verfassen oder Protokolle zu führen, zielgerichtet und erfolgreich zu begegnen. Diese Schulung richtet sich an Teilnehmende aus Management und sämtlichen Fachbereichen, die einen kompakten Einstieg in das Thema GPT, Prompting und generell große Sprachmodelle erhalten möchten. In diesem Format erhalten Sie nicht nur das notwendige Hintergrundwissen zu generativer KI und dem Zusammenhang zu künstlichen neuronalen Netzen, sondern können gelernte Inhalte bereits am Schulungstag selbständig anwenden, um die Vorzüge von GPT-basierten Modellen für sich selbst entdecken und nutzen zu können. Entsprechend ist die Schulung in einen theoretischen und in einen praktischen Part unterteilt. Im theoretischen Block können Sie sich die notwendigen Informationen in einem E-Learning in Ihrer eigenen Geschwindigkeit aneignen. Die gelernten Inhalte werden dann unter Aufsicht einer unserer KI-Experten/Data Scientists angewendet und ins aktive Prompting überführt.

Sie lernen aktuelle Verfahren des maschinellen Lernens und des Deep Learnings kennen. Ausgehend von den Grundprinzipien des maschinellen Lernens wird die Repräsentation von Bedeutungen durch Einbettungsvektoren vorgestellt. Mit Hilfe von Self-Attention können extrem leistungsfähige kontextabhängige Einbettungen konstruiert werden, die für vielfältige Aufgaben eingesetzt werden können. Sie erhalten einen umfassenden Deep Dive in die Funktionsweise von generativen Sprachmodellen (z.B. ChatGPT) und daraus abgeleiteten Modellen zur Bilderzeugung (z.B. DALL-E). Ergänzend werden verwandte state-of-the-art Modelle zur Zeitreihenanalyse und Robotersteuerung vorgestellt.

Diese Schulung ist sowohl für Fachkräfte mit Erfahrung in der Datenanalyse und grundlegendem Verständnis der Mikroelektronik als auch für erfahrene Hardware-Entwickler geeignet, die sich mit Machine Learning und dessen Einsatz in kleinen Geräten vertraut machen möchten. In der Schulung lernen Sie Methoden und Tools zur Entwicklung und Implementierung von Machine Learning-Anwendungen auf Mikrocontrollern (»Edge AI«) kennen. Nach Abschluss der Schulung sind Sie in der Lage, die Herausforderungen und Lösungsansätze für die Implementierung von ML-Anwendungen auf Mikrocontrollern in Ihrem Unternehmen zu erkennen, passende Strategien zu entwickeln und haben konkrete Umsetzungsbeispiele kennengelernt. Sie erlangen Kenntnisse über die wichtigsten technischen Aspekte von Edge AI, einschließlich der Entwicklung von ML-Modellen, der Implementierung auf Mikrocontrollern und der Optimierung für Betrieb und Leistung. Sie profitieren von unserem tiefgreifenden Verständnis der Datenwissenschaft und der langjährigen Projekterfahrung in internen und Kundenprojekten. Dieser Kurs ist eine ideale Vertiefung in das Themenfeld Edge AI, da Sie Konzepte, Methoden und Werkzeuge nicht nur theoretisch kennenlernen, sondern auch in ersten Ansätzen praktisch erfahren.

Diese Schulung schließt an das Angebot »Certified Data Scientist Basic Level« an und richtet sich sowohl an Fachkräfte mit Erfahrung in der Datenanalyse und Grundkenntnissen des Software Engineering als auch an erfahrene Software Engineers, deren Berufsweg sie in Kontakt mit Data Science und deren Implementation gebracht hat. In der Schulung lernen Sie Methoden und Tools zur Operationalisierung von Machine Learning-Anwendungen (»Machine Learning Operations (MLOps)«), kennen.

Der Einsatz von ChatGPT im Management kann vielfältig sein und verschiedene Aspekte der Führung und des Tagesgeschäfts unterstützen. Durch die Automatisierung von Routineaufgaben, die Bereitstellung wertvoller Einblicke und die Förderung von Innovation kann ChatGPT Führungskräften helfen, effizienter zu arbeiten und fundiertere Entscheidungen zu treffen. In dieser Schulung erfahren Sie welche Möglichkeiten große Sprachmodelle wie ChatGPT bieten, um selbst effizienter und effektiver zu Arbeiten. Der Schwerpunkt des Trainings liegt auf der praktischen Anwendung von ChatGPT und anderen Sprachmodellen. Ein weiterer Bestandteil der Schulung ist, die Schritt-für-Schritt Einführung in die Erstellung eines eigenen KI GPT-Bots für Führungskräfte.

Aktuelle Schätzungen gehen davon aus, dass mehr als 80 Prozent aller verfügbaren Informationen in Textform vorliegen. Grundlage moderner Textmining-Verfahren ist die Repräsentation von Wortbedeutungen durch Einbettungsvektoren, welche die Grundlage zum Verständnis eines Textes bilden. Damit können einerseits Texte analysiert werden, z.B. die Einstellung zu Marken und Produkten in sozialen Medien. Andererseits können aus einem Text neuer Inhalt generiert werden, z.B. die Zusammenfassung oder Übersetzung eines Dokuments, die Fortsetzung einer Geschichte, die Weiterführung eines Dialogs oder die Erstellung eines Bildes zu einem Text. Die Leistungsfähigkeit der Verfahren wurde in den letzten Jahren durch die Entwicklung des Transformers und der darauf basierenden Modelle BERT und GPT entscheidend verbessert. In dem Kurs wird gezeigt, wie man durch moderne Optimierungsverfahren und unter Verwendung extrem großer Trainingsdaten sehr performante Modelle mit Milliarden von Parametern trainieren kann. Für jedes Anwendungsgebiet werden Beispielmodelle mit leistungsfähigen Toolkits (TensorFlow, Pytorch, HuggingFace, etc.) in einem „virtuellen Labor“ implementiert und auf leistungsfähiger GPU-Hardware erprobt. Die Modelle werden in Jupyter Notebooks spezifiziert und können on-the-fly evaluiert und modifiziert werden. Es wird gezeigt, wie konkrete Anwendungsfälle, Geschäftsmodelle und Einsatzmöglichkeiten im Bereich der Textanalyse und -generierung umgesetzt werden können. Zudem werden die Vor- und Nachteile der einzelnen Methoden diskutiert.