Schulungssuche

In der Schulung »Certified Data Scientist Specialized in Production« erhalten Sie einen praxisnahen Einblick in den Entwicklungszyklus eines Machine Learning Projektes im Produktionsumfeld. Von der Use Case Findung und Bewertung, über die Datenaufnahme, Vorverarbeitung und Modellierung in Python bis hin zum Deployment werden konkrete Vorgehensmodelle umgesetzt. Die Schulung schließt mit einer Prüfung zum Erwerb des Zertifikats »Certified Data Scientist Specialized in Production« ab.

Die Schulung »Data Scientist specialized in Trustworthy AI« vermittelt einen umfassenden Überblick über die zur Absicherung von KI-Anwendungen relevanten Handlungsfelder. Sie erfahren, wie innovative KI-Technologien auf vertrauenswürdige Weise entwickelt und angewendet werden können. Sie erhalten Einblick in die Funktionsweise vertrauenswürdiger maschineller Lernverfahren und lernen spezifische Risiken von KI-Anwendungen kennen. Im Deep-Dive in die verschiedenen Handlungsfelder für den verantwortungsvollen Einsatz von Künstlicher Intelligenz erfahren Sie, mit welchen Metriken man die Risiken messen und mit welchen Methoden man ihnen begegnen kann. Die Inhalte werden durch maßgeschneiderte Demos und Übungsaufgaben vertieft. Die Schulung schließt mit einem ausführlichen Praxis-Beispiel, an dem eine systematische Herangehensweise für vertrauenswürdige KI illustriert wird.

Diese zertifizierte Schulung ist aufgeteilt in einen Grundkurs und ein frei wählbares Vertiefungsmodul. Sie lernen aktuelle Verfahren des maschinellen Lernens und tiefe Lernverfahren kennen und vertiefen sie in einem Einsatzbereich. Um den Wissenstransfer in Ihr Unternehmen sicher zu stellen, arbeiten Sie an praktischen Aufgaben in einem »virtuellen Labor«. Dabei wechseln zwei Präsenzphasen mit Phasen selbstständiger Arbeit, wo Sie im virtuellen Labor eine umfangreichere Aufgabe bearbeiten, Ihren Fortschritt dokumentieren und bei Bedarf Rücksprache mit unseren Expert*innen halten. Damit sind Sie bestens vorbereitet, um für die Zertifizierung zum »Senior Data Scientist« im selben Lernlabor ein Analyseprojekt eigenständig zu bearbeiten.

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.

Daten sind der Rohstoff der Zukunft, wobei die Qualität der Daten maßgeblich das Ergebnis einer jeden Analyse beeinflusst. Dies gilt für klassische Data-Mining-Prozesse und neueste KI-Methoden gleichermaßen. Hochwertige Daten bieten Unternehmen einen klaren Mehrwert und Wettbewerbsvorteil. In diesem Seminar lernen Analysten, Entwickler und Datenmanager Verfahren zur Beurteilung und Verbesserung der Datenqualität. Reale Daten enthalten oftmals kleine Fehler, welche negative Auswirkungen auf eine Analyse haben können. Damit Sie das Potenzial Ihrer Daten voll ausschöpfen, vermittelt dieses Seminar umfassend die wesentlichem Grundlagen der modernen Datenvorverarbeitung. Praxisbezogen und interaktiv werden die Schulungsinhalte in kleinen Aufgaben angewandt: anhand eines Datensatzes setzen Sie die erlernte Theorie mit Python praktisch um. Nach dem Besuch dieser Schulung sind Sie in der Lage, die Datenvorverarbeitungen in Ihrem Alltag strukturiert und effizient durchzuführen und Ihre Daten besser zu nutzen.

Durch die interaktive Online-Schulung »Machine Learning Operations (MLOps)« bekommen Sie einen kompakten Überblick über die Herausforderungen und Lösungsansätze zum produktiven Einsatz von ML-Anwendungen in Ihrem Unternehmen. Die wichtigsten Grundlagen der technischen und organisatorischen Aspekte des Prozessansatzes Machine Learning Operations (MLOps) werden Ihnen entlang des MLOps-Zyklus näher gebracht. Hierbei profitieren Sie von unserem fundierten Data Science Background als auch von der langjährigen Projekterfahrung in internen und Kundenprojekten. Dieser Kurs ist ein idealer Einstieg in das Themenfeld MLOps, da Sie aktuelle Konzepte, Methoden und Werkzeuge kennenlernen. Die technischen Inhalte werden durch einen laufenden Showcase verdeutlicht.

Durch die interaktive Online-Schulung »Kompakteinstieg Datenanalyse« bekommen Sie einen kompakten Überblick über die Datenanalyse mit Hilfe von maschinellen Lernverfahren. Die wichtigsten Schritte in einem Datenanalyse-Projekt werden Ihnen durch theoretische Inhalte, aber auch über die Projekterfahrung der Dozenten näher gebracht. Dieser Kurs ist ein idealer Einstieg in das Themenfeld des maschinellen Lernens, da Sie aktuelle Methoden und deren Anwendung kennenlernen. Die theoretischen Inhalte werden durch eine Einführung in das Analysetool KNIME vertieft.

Bilder enthalten reiche Information, die aber auch kompliziert zu extrahieren ist. Meist liegen wenig Metadaten vor und erst der Kontext liefert Hinweise auf die Bedeutung. Daraus ergeben sich spezifische Schwierigkeiten, Modelle des Bildverstehens zu lernen. Ausgehend von Methoden des überwachten Lernens lernen Sie auch Verfahren kennen, die mit wenigen Trainingsbeispielen auskommen und erfahren, wie man unbalancierten Trainingsdaten umgehen kann. Die Vorerfahrungen und praktischen Erfordernisse der Teilnehmer*innen können bei der konkreten Themenauswahl berücksichtigt werden.

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.

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.