Künstliche Intelligenz ist aus unserem Alltag nicht mehr wegzudenken. Angefangen bei der automatischen Erkennung von Verkehrsschildern, beim Autofahren, über das Einschalten von Geräten mittels Sprachsteuerung, bis hin zum Entsperren unserer Smartphones mit Gesichtserkennung – KI hat sich fest in unserem Leben etabliert. Auch in der Automobilindustrie und besonders im Kontext des autonomen Fahrens werden KI-Algorithmen zunehmend bedeutsam.

Doch wie ist es überhaupt möglich, einer leblosen Maschine solche Fähigkeiten beizubringen? Mit den klassischen Programmierparadigmen wie if-then-else-Anweisungen oder Schleifen stößt man dabei schnell an Grenzen. Hier kommen KI-Algorithmen ins Spiel.

Unser Angebot

In einem intensiven Theorie-Modul erlangen Sie grundlegende Kenntnisse im Bereich der neuronalen Netze und insbesondere des Deep Learning kennen. In mehreren Praxis-Modulen lernen Sie, Ihr Wissen anzuwenden und programmieren eigenständig erste KI-Anwendungen.

Lerninhalte

Enthalten in unserem Bottcamp sind:

• Theorie-Modul (vor Ort, ein Tag): bestehend aus 3 x ca. 1 h Einheiten zum Thema KI

• Praxis-Modul 1: Interaktive Einführung in die Grundlagen von Python mit Jupyter-Notebooks, Grundlagen der Datenverarbeitung, -aufbereitung und -visualisierung

• Praxis-Modul 2: Nutzung von Single-Layer-Machine-Learning-Modellen zur Lösung eines Zwei-Klassen-Problems: Support-Vector-Maschinen vs. Neuronales Netz. Aufteilung und Nutzung von Datensätzen, Anwendung passender Metriken zur Evaluierung, Nutzung von High-Level Machine-Learning-Bibliotheken wie SciKit-Learn

• Praxis-Modul 3: Nutzung von tiefen neuronalen Netzwerken zur Lösung eines Vielklassen-Klassifizierungs-Problems, Kennenlernen von anerkannten akademischen Datensätzen wie MNIST und CIFAR-10, Einführung in die Nutzung der Deep-Learning-Bibliotheken PyTorch und Tensorflow, Nutzung und Anpassung von vortrainierten Modellen

• Praxis-Modul 4: Nutzung von Faltungsnetzwerken zur Lösung von anspruchsvolleren Bildverarbeitungs-Problemen wie der semantischen Segmentierung und der Tiefenschätzung von Verkehrsszenarien, Nutzung von Regularisierungsmethoden im Training

Ihr Vorteil

• Sie lernen grundlegende Methoden des Maschinellen Lernens und verstehen deren Funktionsweise
• Sie lernen verschiedene Anwendungsbeispiele von Neuronalen Netzen kennen
• Programmierkenntnisse in Python und lernen High-Level-Machine-Learning-Bibliotheken: SciKit-Learn, PyTorch und Tensorflow
• Sie lernen eigenständig KI-Modelle zu trainieren und anzuwenden
• Sie lernen die bekanntesten Benchmark Datensätze kennen und wissen, wie Sie diese nutzen können
• Sie lernen KI-Modelle zu evaluieren und zu vergleichen
• Sie lernen verschiedene Netzwerkarchitekturen und Aufgabentypen kennen

Zielgruppe und Vorkenntnisse

• Mathematische Kenntnisse im Bereich Vektoren/Matrizen sowie weiterführende Programmiererfahrung sind für die Praxis Module notwendig
• Fach- und Führungskräfte aus den Bereichen Mobilität und Produktion
• Einsteiger im Bereich der Entwicklung von KI-Modellen

Organisatorisches

Das eintägige Theoriemodul findet als Präsenzveranstaltung in den Räumen VW 1 und 2 des Niedersächsischen Forschungszentrums für Fahrzeugtechnik statt und wird im Abstand von 2 Monaten in deutscher Sprache angeboten. Im Anschluss erhalten Sie Zugang zu unseren interaktiven Online-Schulungsmaterialien. Diese können Sie in den folgenden Wochen bis Monaten eigenständig bearbeiten und erhalten in regelmäßigen Abständen Feedback zu Ihren Lösungen. Die Kursmaterialien sind ausschließlich auf Englisch verfügbar, wir stehen Ihnen aber selbstverständlich für Fragen und Hilfestellungen zur Verfügung. Für die Bearbeitung der Lerneinheiten benötigen Sie lediglich einen Computer mit Internetzugang. Alle weiteren Informationen erhalten Sie vor Ort während des Theorietages.