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

Nach aktuellen Schätzungen liegen mehr als 80 Prozent der verfügbaren Informationen als Text vor. Das automatische Verstehen der Textinhalte, z.B. in Sozialen Medien, ist daher sehr relevant. Die hier vorgestellten Methoden klassifizieren Dokumente in inhaltliche Kategorien, bestimmen die Ähnlichkeit von Worten, Phrasen und Dokumenten, reichern sie semantisch an mit Namen, Relationen und Meinungen, oder sie beantworten Fragen. Ihre Performanz wurde in den letzten Jahren durch moderne Optimierungsverfahren und Deep Learning entscheidend verbessert.In diesem Kurs erhalten Sie einen Überblick über Textverstehen und die damit lösbaren Probleme. Sie lernen an praktischen Beispielen verschiedene fortgeschrittene Lernverfahren und ihre Einsatzmöglichkeiten auf Basis von Python, Scikit Learn und Google TensorFlow kennen. Zur praktischen Arbeit steht ein virtuelles Labor zur Verfügung mit Zugriff auf leistungsfähige Hardware. Zu jeder Lektion gibt es Beispielskripte als Jupyter Notebooks.

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.

Diese Schulung schließt an das Angebot »Certified Data Scientist Basic Level« an und richtet sich sowohl an Fachkräfte mit Erfahrung in der Datenanalyse und Grundkenntnissen des Software Engineering als auch an erfahrene Software Engineers, deren Berufsweg sie in Kontakt mit Data Science und deren Implementation gebracht hat. In der Schulung lernen Sie Methoden und Tools zur Operationalisierung von Machine Learning-Anwendungen (»Machine Learning Operations (MLOps)«), kennen.

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.

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.

Im Rahmen dieses Seminars erlangen die Teilnehmenden einen Überblick über die aktuell in der Forschung diskutierten Methoden der Zeitreihenanalyse und -prognose und erhalten einen Einblick in den praktischen Einsatz in der Energiewirtschaft. Durch praktische Übungen zu ausgewählten Methoden sammeln die Teilnehmenden selbst Erfahrungen im Einsatz und der Bewertung unterschiedlicher Methoden. Die hierzu genutzte Übungssoftware steht den Teilnehmenden auch nach dem Seminar zur Verfügung. Neben dem Aufbau von Methodenwissen wird somit viel Wert auf die praktische Anwendung des Gelernten gelegt. Das erlernte Wissen und ein erhöhtes Verständnis der Thematik bildet die Grundlage, um als Energy Data Analyst Prognoseaufgaben in Ihrem Unternehmen zu verbessern.

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.

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.