Finden Sie die passende Schulung für Ihren Bedarf

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. Die Schulung schließt an Tag 3 mit einer 1-stündigen Prüfung ab, durch die die Teilnehmenden ein Micro-Zertifikat erwerben.

Durch maschinelles Lernen (ML) können sich Robotersysteme ohne großen Konfigurationsaufwand automatisch einrichten und viele Objekte bereits ohne spezifisches Wissen über deren Geometrie robust greifen und manipulieren. Weitere Technologien ermöglichen auch die Detektion und Segmentierung von Objekten zur Interaktion in unstrukturierten Umgebungen. Zudem helfen Simulationen, tiefe neuronale Netze zu trainieren und so das zeit- und personalintensive Annotieren von Trainingsdaten zu vermeiden.

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.

Daten sind der Rohstoff der Zukunft, wobei die Qualität der Daten maßgeblich das Ergebnis einer jeden Analyse beeinflusst – egal ob in Form von Bildern oder Tabellen. Dies gilt für klassische Data-Mining-Prozesse und neueste Methoden der künstlichen Intelligenz gleichermaßen. Hochwertige Daten bieten Unternehmen einen klaren Mehrwert und Wettbewerbsvorteil. In diesem Seminar lernen Analysten, Entwickler und Domänenexperten aus unterschiedlichen Fachrichtungen (Produktion, Finanzwesen, Pharmazie, u.a.) die wichtigsten Verfahren zur Beurteilung und Verbesserung der Datenqualität für Projekte mit dem Themenschwerpunkt der Datenanalyse. Reale Daten enthalten oftmals vielfältige kleine Fehler, welche negative Auswirkungen auf eine Analyse haben können. Damit Sie das Potenzial Ihrer Daten voll ausschöpfen können, vermittelt dieses Seminar umfassend die wesentlichen Grundlagen der modernen Datenvorverarbeitung für sowohl tabellarische als auch Bilddaten. Praxisbezogen und interaktiv werden die Schulungsinhalte in kleinen Aufgaben angewandt: anhand von Anwendungsfällen und Datensätzen aus der Computerchipherstellung und der Qualitätskontrolle von Solarpanelen 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 für Data Science-Projekte zu nutzen.

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.

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.

Vertrauenswürdige KI spielt sowohl für die Operationalisierung des AI-Act (Artificial Intelligence Act) eine große Rolle, als auch zur Qualitätsgarantie im unregulierten Bereich. Es existiert bereits eine Vielzahl von Ansätzen und Methoden, mit denen wichtige Eigenschaften von KI-Anwendungen in Bezug auf ethische sowie auf sicherheitsrelevante Aspekte sichergestellt werden sollen. Für Unternehmen kommt es nun darauf an, zentrale Anforderungen der Vertrauenswürdigkeit zielgerichtet und möglichst pragmatisch umzusetzen. Hierzu vermittelt die Schulung »Data Scientist specialized in Trustworthy AI« einen umfassenden Überblick über die Absicherung von KI-Anwendungen in allen relevanten Handlungsfeldern und gibt Ihnen eine strukturierte Methodik zur Anwendung in der Praxis an die Hand.

Autonome AI Agents gelten als nächste Entwicklungsstufe generativer KI. Sie kombinieren die Fähigkeiten moderner Large Language Models (LLMs) mit strukturierter Planung, Tool-Nutzung, Memory-Mechanismen und Evaluationsstrategien – und ermöglichen damit komplexe, mehrstufige Workflows. In diesem Intensivkurs erhalten Sie einen fundierten Deep Dive in Architektur, Funktionsweise und Entwicklung moderner AI Agents. Sie lernen zunächst die Grundlagen aktueller LLM-Architekturen (u. a. GPT-Modelle, Training, Alignment, RLHF und Chat-Optimierung) kennen und verstehen, wie aus probabilistischen Sprachmodellen handlungsfähige, agentische Systeme entstehen. Darauf aufbauend vertiefen Sie zentrale Agentenfähigkeiten: Reasoning und strukturierte Problemlösung Planung komplexer Aufgaben Kurz- und Langzeit-Memory (z. B. RAG-Ansätze) Perception & Acting durch Tool-Integration Design Patterns für Single- und Multi-Agent-Systeme Der Kurs verbindet Theorie mit einem hohen Anteil an praktischen Übungen in Python. Sie arbeiten mit modernen Frameworks wie LangGraph, nutzen APIs führender Modellanbieter sowie Open-Source-Modelle und entwickeln eigene Agenten im webbasierten virtuellen Labor. Ziel ist es, AI Agents nicht nur konzeptionell zu verstehen, sondern sie selbst entwickeln, evaluieren und produktionsnah denken zu können.

Hier lernen Fachleute mit Grundkenntnissen im Bereich Statistik und erster Programmiererfahrung wesentliche Grundlagen der modernen Datenanalyse kennen. Für die praktischen Übungen kommt die freie Software »KNIME« zum Einsatz. Die weitergehenden Möglichkeiten der statistischen Programmiersprache »Python« werden ebenfalls vorgestellt und eingeübt. Nach der Schulung sind Sie in der Lage, erste eigene Analysefragestellungen zu bearbeiten und den Nutzen von maschinellen Lernverfahren zu bewerten.