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 unseren drei Webinaren erlangen Sie grundlegende Kenntnisse im Bereich der neuronalen Netze, insbesondere im Deep Learning. Die einzelnen Module können Sie flexibel wählen, sodass Sie sie passend zu Ihrem Zeitplan besuchen können.

Zusätzlich können Sie in mehreren Praxis-Modulen Ihr Wissen aus den Webinaren anwenden. Hier lernen Sie, eigenständig erste KI-Anwendungen zu programmieren. Zugang zu den Praxis-Modulen erhalten Sie nach der Registrierung für ein Theorie-Modul.

Lerninhalte Modul 2: Grundlagen zu neuronalen Netzen

In diesem Modul tauchen wir tiefer in die Funktionsweise von künstlichen neuronalen Netzen (KNN) ein und erklären die mathematischen Grundlagen. Dabei werden wir zunächst die klassischen KNN (FCNs) erklären, die beispielsweise für die Vorhersage von Ausfallwahrscheinlichkeiten bei Produktionsmaschinen eingesetzt werden können. Anschließend werden wir darauf eingehen, wie diese für die Bildverarbeitung optimiert wurden (CNNs), um z.B. Objekte und Ereignisse in Bildern zu erkennen. Schließlich zeigen wir, wie ein Gedächtnis bei KNN (RNNs) umgesetzt werden kann für die Verarbeitung von zeitlichen Daten, wie bei der Sprachverarbeitung oder der Wahrnehmung von Objekten in Videos.

Nach Absolvieren dieses Moduls kennen Sie die mathematischen Konzepte hinter KNN und kennen verschiedene Typen wie FCNs, CNNs und RNNs.

Ihre Vorteile

– Sie lernen grundlegende Methoden des Maschinellen Lernens und verstehen deren Funktionsweise
– Sie erlernen Programmierkenntnisse in Python und lernen High-Level-Machine-Learning-Bibliotheken kennen: 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

– Fach- und Führungskräfte aus den Bereichen Mobilität und Produktion
– Einsteiger/-innen im Bereich der Entwicklung von KI-Modellen

Mathematische Kenntnisse im Bereich Vektoren/Matrizen sowie weiterführende Programmiererfahrung sind für die Praxis-Module notwendig.

Gebühren

Diese Veranstaltungsreihe ist kostenfrei.

Alle online Module der Deep Learning-Reihe

Unsere wiederkehrende Deep Dive into Deep Learning-Reihe umfasst folgende drei Webinare:

Modul 1: Technische Implikationen, Anwendungsbeispiele
Modul 2: Grundlagen zu neuronalen Netzen
Modul 3: Erfolgsfaktoren des Deep-Learning, Investitionskosten

Eine Übersicht über die genauen Inhalte und alle Termine finden Sie hier:

Jetzt kostenlos anmelden!

Organisatorisches

Die Theorie-Module finden online statt. Sie erhalten rechtzeitig vor dem Termin einen Link zum Online-Meeting.
Die Anmeldung schließt zwei Tage vor dem Veranstaltungstermin.
Sollten Sie Fragen oder Probleme mit der Anmeldung haben,
wenden Sie sich bitte an den oben angegebenen Kontakt.

Veranstaltungsort

Online