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

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 Schulung ist sowohl für Fachkräfte mit Erfahrung in der Datenanalyse und grundlegendem Verständnis der Mikroelektronik als auch für erfahrene Hardware-Entwickler geeignet, die sich mit Machine Learning und dessen Einsatz in kleinen Geräten vertraut machen möchten. In der Schulung lernen Sie Methoden und Tools zur Entwicklung und Implementierung von Machine Learning-Anwendungen auf Mikrocontrollern (»Edge AI«) kennen. Nach Abschluss der Schulung sind Sie in der Lage, die Herausforderungen und Lösungsansätze für die Implementierung von ML-Anwendungen auf Mikrocontrollern in Ihrem Unternehmen zu erkennen, passende Strategien zu entwickeln und haben konkrete Umsetzungsbeispiele kennengelernt. Sie erlangen Kenntnisse über die wichtigsten technischen Aspekte von Edge AI, einschließlich der Entwicklung von ML-Modellen, der Implementierung auf Mikrocontrollern und der Optimierung für Betrieb und Leistung. Sie profitieren von unserem tiefgreifenden Verständnis der Datenwissenschaft und der langjährigen Projekterfahrung in internen und Kundenprojekten. Dieser Kurs ist eine ideale Vertiefung in das Themenfeld Edge AI, da Sie Konzepte, Methoden und Werkzeuge nicht nur theoretisch kennenlernen, sondern auch in ersten Ansätzen praktisch erfahren.

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.

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.

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

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.

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.