Schulungssuche

Das Seminar bietet einen Überblick über den Stand der Technik an der Schnittstelle zwischen funktionaler Sicherheit (Safety) und Künstlicher Intelligenz inklusive relevanter Normen und Normungsinitiativen, zudem schafft es Bewusstsein für die Herausforderungen beim Einsatz von KI in sicherheitskritischen Lösungen, indem typische Problemstellungen aus diesem Spannungsfeld aufgezeigt werden. Teilnehmer*innen lernen mögliche Strategien für den sicheren Einsatz von KI-Lösungen kennen und erproben eine Auswahl von Ansätzen, die ihnen dabei helfen, konkrete Herausforderungen zu adressieren und maßgeschneiderte Safety-Konzepte abzuleiten. Die online durchgeführte Schulung beinhaltet einen hohen Anteil an Übungen und Interaktion, um die Inhalte praxisnah zu vermitteln und den Transfer in den beruflichen Alltag zu erleichtern. Als zertifizierter »Data Scientist Specialized in Assuring Safety« wissen Sie über das Gefahren- und Innovationspotential von KI-Anwendungen im sicherheitskritischen Umfeld besitzen einen Überblick über die Grundlagen des Safety Engineerings kennt maßgebliche KI-Grundlagen aus dem Blickwickel Safety können Nutzen und Verbindlichkeit von Safety und KI-Standards einordnen kennen eine Auswahl möglicher Strategien und Maßnahmen für sichere KI können Assurance Cases, als mögliche Argumentationsgrundlage für KI-bezogene Sicherheitsnachweise, exemplarisch anwenden

Die Sicherheit von Fahrzeugfunktionen hat mittlerweile einen hohen Stellenwert in den etablierten Entwicklungsprozessen der Automobilindustrie eingenommen. Speziell der Einsatz von KI in sicherheitskritischen Anwendungen ist jedoch mit vielen Herausforderungen verbunden. Die in klassischen Systemen etablierte Vorgehensweise zum Aufbau einer Sicherheitsargumentation ist nicht unmittelbar übertragbar. Das Kompaktseminar vermittelt einen Einstieg in die Problematik und gibt einen Überblick über den Stand der Normung und der Technik. Verschaffen Sie sich mit dieser Schulung einen Überblick über die Zusammenhänge der Sicherheit von Fahrzeugfunktionen und der künstlichen Intelligenz im Automobilbereich und generieren Sie damit einen guten Einstiegspunkt in die Sicherheit des automatisierten Fahrens.

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.

In dieser Online-Schulung lernen Fachleute mit Grundkenntnissen im Bereich Statistik und erster Programmiererfahrung wesentliche Grundlagen der modernen Datenanalyse durch maschinelle Lernverfahren kennen. Die weitergehenden Möglichkeiten der Programmiersprache »Python« und insbesondere der Bibliothek scikit-learn und Pandas werden vorgestellt und eingeübt. Nach der Schulung sind Sie in der Lage, erste eigene Analysefragestellungen zu bearbeiten und den Nutzen von maschinellen Lernverfahren zu bewerten.

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.

Die zweitägige Schulung Kompakteinstieg »Maschinelles Lernen in der Produktion« soll Ihnen einen Überblick über Anwendungsmöglichkeiten, Projektphasen von der Datenaufnahme bis zur Modellierung sowie die Zusammenarbeit innerhalb eines Projekts geben. Im Rahmen eines Mini-Workshops können abschließend die ersten Grundlagen für Ihre Use Cases entwickelt werden. Nach Abschluss der Schulung erhalten Sie eine Teilnahmebescheinigung.

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.

Werden Sie Spezialist*in für das Datenmanagement! Unsere Fraunhofer-Expert*innen vermitteln Ihnen, wie Sie mit dem Konzept des Data Lakes Daten für die Analyse zusammenführen und aufbereiten. Diese praxisorientierte und interaktive Ausbildung befähigt Sie, Entscheidungen zur Einführung und Nutzung von Data Lakes oder NoSQL-Datenbanken zu treffen.

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.

Quantum computing and machine learning are key technologies that will significantly shape our technological landscape in the coming decades, and in some cases are already doing so today. In order to achieve competitive results in these fields, highly qualified experts with expertise in both areas are required. The module covers topics at the intersection of quantum computing and machine learning. It is aimed at people with a quantum computing background as well as people with a background in data science. Participants will gain the ability to successfully apply machine learning with quantum computers. To this end, numerous current methods are presented that enable them to react to future hardware advances and independently develop new QML algorithms. The concepts taught are illustrated with a large number of case studies from real applications and projects. A large part of the course is dedicated to consolidating what has been learnt with practical application examples.