Schulungssuche

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.

Durch die Schulung »Data Scientist Basic Level« erlangen Sie breitgefächertes Wissen, um effizient in Data Science Teams mitarbeiten zu können. Sie erfahren, wie Business Developer die Potenziale von Big Data in ihrem Unternehmen erschließen, wie Dateningenieur*innen Daten beschreiben und integrieren, wie Analyst*innen mit maschinellen Lernverfahren Muster und Trends erkennen und wie Software-Ingenieur*innen mit modernen Datenbanken und verteilten Berechnungsverfahren robuste und skalierbare Big-Data-Systeme entwickeln. All dies unter Berücksichtigung von Datenschutz und -sicherheit. Die Schulung schließt mit einer Prüfung zum Erwerb des Zertifikats »Data Scientist Basic Level« 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.

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.

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.

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.

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 »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.

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.

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.