Schulungssuche

Zeitreihen stellen Analyst*innen vor besondere Herausforderungen. Hier gilt die Annahme, dass die Beobachtungen voneinander unabhängig sind, in der Regel nicht. Zum Beispiel ist die Außentemperatur um 12:01 nicht unabhängig von der Außentemperatur um 12:00. In der Praxis kommen solche Daten häufig vor: Verschleiß an Maschinenteilen, der Kundweg durch einen Online-Shop und Muster in der Aktivierung von Gehirnzellen sind Beispiele für Phänomene, die mit Zeitreihen untersucht werden. In dieser Schulung lernen Sie wichtige Methoden zum Analysieren von Zeitreihendaten kennen. An praxisnahen Aufgaben und Beispielen lernen Sie die Methoden anzuwenden.

Quanten Computing und Maschinelles Lernen sind Schlüsseltechnologien, die unsere Technologielandschaft in den kommenden Dekaden maßgeblich prägen werden, und es teilweise heute schon tun. Um auf diesen Gebieten konkurrenzfähige Resultate zu erzielen sind hochqualifizierte Experten notwendig, welche in beiden Bereichen Expertise aufweisen. Das Modul deckt Themen in der Schnittmenge aus Quantencomputing und Maschinellem Lernen ab. Es richtet sich sowohl an Personen mit Quantencomputing-Hintergrund als auch Personen mit einem Hintergrund im Bereich Data Science. Die Teilnehmenden erlangen die Fähigkeit maschinelles Lernen mit Quantencomputern erfolgreich anzuwenden. Dazu werden zahlreiche aktuelle Methoden präsentiert, die es ihnen ermöglicht, auf zukünftige Hardware-Fortschritte zu reagieren und eigenständig neue QML-Algorithmen zu entwickeln. 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.

Im Kontext der Digitalisierung spielen Methoden des maschinellen Lernens eine immer größer werdende Rolle bei der Analyse von Maschinen- und Anlagendaten. Insbesondere die Konstruktion geeigneter Kennzahlen und Features sowie die fachgemäße Interpretation der Analyseresultate - z.B. im Bereich der prädiktiven Wartung - stellen eine große Herausforderung dar.

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 richtet sich an Teilnehmende aus Management und Fachbereichen, die einen kompakten Einstieg in das Themenfeld Künstliche Intelligenz erhalten wollen, um im Austausch mit KI-Experten und Data Scientists »sprechfähig« zu werden. Was sind die Schlüsselbegriffe und Technologien hinter KI? Wie hängen KI, Maschinelles Lernen und Deep Learning zusammen und warum feiert KI gerade jetzt Durchbrüche? Welche Implikationen hat der Paradigmenwechsel von programmierter Logik hin zu lernenden KI-Systemen? Was macht einen guten KI-Anwendungsfall aus und welche Voraussetzungen braucht es für einen wirtschaftlichen Erfolg? Wie setzt man eine KI-Lösung methodisch und technisch um? Die vermittelten Konzepte werden mit einer Vielzahl von Fallbeispielen aus realen Anwendungen und Projekten illustriert. Abgerundet wird das Modul durch interaktive Übungen zur Rekapitulation der Kerninhalte sowie einem ersten Blick in die Welt des Deep Learning.

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.

Mit der Weiterentwicklung von Künstlicher Intelligenz wird das Verständnis fortgeschrittener Prompting-Methoden für generative KI immer wichtiger. Aufbauend auf den in Stufe 1 erworbenen Grundkenntnissen vertieft dieser Kurs die Komplexität von Large Language Models (LLMs) und deren Anwendungen.

In the 1990s, Shor's quantum algorithm demonstrated an exponential speed-up over classical algorithms for factoring large numbers. The development of quantum computing is making great progress and there is a need to learn how to take advantage of quantum computing. This course, which is organized by the Fraunhofer institutes FOKUS and ITWM, you will learn the basics of quantum computing, including its most important algorithms. The concepts taught are illustrated with several case studies from real applications and projects. A large part of the course is used to further consolidate what has been learned with practical application examples.

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.

Reinforcement Learning ist ein faszinierendes Thema, das die Zukunft der Robotik und Automatisierungstechnik maßgeblich beeinflussen wird. In diesem Modul werden die Teilnehmer in die Grundlagen des Reinforcement Learning eingeführt und lernen, wie es in der Praxis eingesetzt werden kann. Reinforcement Learning ist eine Methode des maschinellen Lernens, bei der ein Agent durch Interaktion mit seiner Umgebung lernt, wie er bestimmte Aufgaben optimal lösen kann. In der Robotik ermöglicht Reinforcement Learning Robotern, ihre Umgebung zu erkunden, zu lernen und intelligente Entscheidungen zu treffen.