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.

Die EU KI-Verordnung ist ein Vorschlag der Europäischen Kommission für eine EU-Verordnung, die einen gemeinsamen Regulierungs- und Rechtsrahmen für KI schaffen soll. Die Verordnung zielt darauf ab, sowohl die Grundrechte als auch die Nutzer zu schützen und eine rechtliche Grundlage für die sich schnell entwickelnde KI zu schaffen. Gleichzeitig soll das Vertrauen in KI gestärkt und die Innovation gefördert werden. Diese Verordnung stellt sicher, dass KI-Systeme in der EU sicher, transparent und vertrauenswürdig sind, während sie gleichzeitig die Innovation und den Wettbewerb fördern. Hierzu vermittelt die Schulung »Data Scientist specialized in the EU AI Act« 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.

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

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.

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.

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.

Diese Schulung schließt an die Angebote »Data Scientist Basic Level« und »Data Scientist Specialized in Data Analytics« an. Fachkräfte mit Programmiererfahrung und Grundkenntnissen in der Datenanalyse lernen Methoden und Tools zur Analyse von Big Data kennen. Nach der Schulung verstehen Sie, wie Analysealgorithmen für eine skalierbare Big-Data-Architektur implementiert werden und haben Beispiele für Batch- und Streaming-Verarbeitung kennengelernt. Sie lernen den Einsatz von Tools und Methoden zur Analyse von großen Datenmengen am Beispiel von Spark kennen, wobei insbesondere die Algorithmen aus Spark Machine Learning Library sowie Anbindung von Spark an Python (PySpark) vorgestellt und selbst eingeübt wird. Unter dem Thema »Deployment« wird besprochen, wie Modelle, die im Batch auf historischen Daten erstellt worden sind, auf neuen Daten schnell angewendet werden können. Des weiteren wird die Einbindung von Streaming-Systemen und Methoden der Datenanalyse unter Echtzeitanforderungen besprochen.

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.

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.