BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//DAISEC - ECPv6.15.20//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-WR-CALNAME:DAISEC
X-ORIGINAL-URL:https://daisec.de/en
X-WR-CALDESC:Events for DAISEC
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Berlin
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20240331T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20241027T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20260329T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20261025T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Berlin:20251022T150000
DTEND;TZID=Europe/Berlin:20251022T160000
DTSTAMP:20260419T100555
CREATED:20241217T112147Z
LAST-MODIFIED:20241218T092619Z
UID:10000216-1761145200-1761148800@daisec.de
SUMMARY:Deep Dive into Deep Learning - Modul 3: Erfolgsfaktoren des Deep-Learning\, Investitionskosten
DESCRIPTION: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. \n\n\n\nDoch 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. \n\n\n\n\n\n\n\nUnser Angebot\n\n\n\nIn 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. \n\n\n\nZusätzlich 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. \n\n\n\n\n\n\n\nLerninhalte Modul 3: Erfolgsfaktoren des Deep-Learning\, Investitionskosten\n\n\n\nIn diesem Modul zeigen wir\, warum künstliche Intelligenz in den vergangenen Jahren so erfolgreich geworden ist. Wir erklären Ihnen die Herausforderungen\, die die Forschung zu lösen hatte und zeigen auf\, warum es heute deutlich einfacher ist\, eigene KI-Modelle zu trainieren. \n\n\n\nNach Absolvieren dieses Moduls wissen Sie\, warum KNN so erfolgreich sind und können abschätzen\, wie aufwändig eine Eigenentwicklung ist. \n\n\n\n\n\n\n\nIhre Vorteile\n\n\n\n– 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 \n\n\n\n\n\n\n\nZielgruppe und Vorkenntnisse\n\n\n\n – Fach- und Führungskräfte aus den Bereichen Mobilität und Produktion – Einsteiger/-innen im Bereich der Entwicklung von KI-ModellenMathematische Kenntnisse im Bereich Vektoren/Matrizen sowie weiterführende Programmiererfahrung sind für die Praxis-Module notwendig. \n\n\n\n\n\n\n\nGebühren\n\n\n\nDiese Veranstaltungsreihe ist kostenfrei. \n\n\n\n\n\n\n\nAlle online Module der Deep Learning-Reihe\n\n\n\nUnsere wiederkehrende Deep Dive into Deep Learning-Reihe umfasst folgende drei Webinare: \n\n\n\nModul 1: Technische Implikationen\, AnwendungsbeispieleModul 2: Grundlagen zu neuronalen NetzenModul 3: Erfolgsfaktoren des Deep-Learning\, Investitionskosten \n\n\n\nEine Übersicht über die genauen Inhalte und alle Termine finden Sie hier: \n\n\n\n\nTerminübersicht\n\n\n\n\n\n\n\n\nJetzt kostenlos anmelden!\n\n\n\n\n\n\n\n\n\nOrganisatorisches\n\n\n\nDie 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. \n\n\n\n\n\n\n\nVeranstaltungsort\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nKontakt\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\nTimo Bartels\n\n\n\nExperte für Künstliche Intelligenz \n\n\n\nbartels@daisec.de \n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n\n	\n		\n\n			\n			\n\n							\n					\n						Kommende Veranstaltungen					\n				\n			\n			\n				\n											\n\n	\n	\n		\n			Apr		\n		\n			29		\n	\n\n\n	\n		\n			\n\n				\n					\n		\n		14:00 – 15:30	\n	\n					\n	\n		KI-Wissensmanagement mit LLMs\, RAG und lokalen sowie cloudbasierten Ansätzen 1 – Überblick und Orientierung	\n\n				\n\n				\n			\n		\n	\n\n\n											\n\n	\n	\n		\n			May		\n		\n			12		\n	\n\n\n	\n		\n			\n\n				\n					\n		\n		10:00 – 11:30	\n	\n					\n	\n		KI-Agenten in der Produktion	\n\n				\n\n				\n			\n		\n	\n\n\n											\n\n	\n	\n		\n			May		\n		\n			12		\n	\n\n\n	\n		\n			\n\n				\n					\n		\n		13:30 – 16:30	\n	\n					\n	\n		Die Kunst des Promptens: KI verstehen – ausprobieren – Ergebnisse erzielen	\n\n				\n\n				\n			\n		\n	\n\n\n									\n\n				\n	\n		View Calendar
URL:https://daisec.de/en/event/deep-dive-deep-learning-3-22-10-2025/
LOCATION:Online
CATEGORIES:Workshops
ATTACH;FMTTYPE=image/png:https://daisec.de/wp-content/uploads/2024/07/2024-11-27-Deep-Dive-Modul-3.png
END:VEVENT
END:VCALENDAR