{"id":20575,"date":"2024-07-23T16:26:07","date_gmt":"2024-07-23T14:26:07","guid":{"rendered":"https:\/\/daisec.de\/?post_type=tribe_events&p=20575"},"modified":"2024-11-25T14:58:42","modified_gmt":"2024-11-25T13:58:42","slug":"deep-dive-deep-learning-modul-3-ki-27-11-2024","status":"publish","type":"tribe_events","link":"https:\/\/daisec.de\/en\/event\/deep-dive-deep-learning-modul-3-ki-27-11-2024\/","title":{"rendered":"Deep Dive into Deep Learning – KI verstehen und anwenden – Modul 3: Erfolgsfaktoren des Deep-Learning, Investitionskosten"},"content":{"rendered":"\n
<\/div>\n\n\n\n
<\/div>\n\n\n\n
\n
\n\t

\n\t\t\n\t\t\t27.11.2024\t\t<\/span>\n\n\t\t\t\t\t\n\t\t\t\t| \t\t\t<\/span>\n\t\t\t\n\t\t\t\t15:00\t\t\t<\/span>\n\t\t\n\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t – \t\t\t\t<\/span>\n\t\t\t\n\t\t\t\t\t\t\t\n\t\t\t\t\t16:30\t\t\t\t<\/span>\n\t\t\t\n\t\t\t\t\t\t<\/p>\n<\/div>\n<\/div>\n\n\n\n

\n\t\t\t Free <\/span>\n\t\t<\/div>\n<\/div>\n<\/div>\n\n\n\n
\"\"<\/figure>\n\n\n\n
<\/div>\n\n\n\n
\n
\n
\n

K\u00fcnstliche Intelligenz ist aus unserem Alltag nicht mehr wegzudenken. Angefangen bei der automatischen Erkennung von Verkehrsschildern, beim Autofahren, \u00fcber das Einschalten von Ger\u00e4ten 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.<\/p>\n\n\n\n


Doch wie ist es \u00fcberhaupt m\u00f6glich, einer leblosen Maschine solche F\u00e4higkeiten beizubringen? Mit den klassischen Programmierparadigmen wie if-then-else-Anweisungen oder Schleifen st\u00f6\u00dft man dabei schnell an Grenzen. Hier kommen KI-Algorithmen ins Spiel.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Unser Angebot<\/h4>\n\n\n\n

Wir bieten Ihnen eine Veranstaltungsreihe an Webinaren an, in denen Sie grundlegende Kenntnisse im Bereich neuronale Netze und insbesondere Deep Learning erlangen. Insgesamt werden drei Webinare in einem wiederkehrenden Format angeboten. So haben Sie die Flexibilit\u00e4t, ein Webinar, passend zu Ihrem Zeitplan, zu besuchen. Melden Sie sich einfach an und wir informieren Sie, wenn die n\u00e4chste Onlineveranstaltung ansteht.<\/p>\n\n\n\n

Zus\u00e4tzlich k\u00f6nnen Sie in mehreren Praxis-Modulen Ihr Wissen aus den Webinaren anwenden und lernen eigenst\u00e4ndig erste KI-Anwendungen zu programmieren. Zugang zu den Praxis-Modulen erhalten Sie nach der Registrierung f\u00fcr ein Theorie-Modul.<\/p>\n\n\n\n

<\/div>\n\n\n\n

Lerninhalte<\/h4>\n\n\n\n
\n
\n

Theorie-Modul 1: Technische Implikationen, Anwendungsbeispiele<\/strong><\/p>\n<\/div>\n\n\n\n

\n

In diesem Modul betrachten wir k\u00fcnstliche neuronale Netze (KNN) zun\u00e4chst aus einer \u00fcbergeordneten Perspektive, ohne auf die Details ihrer Funktionsweise einzugehen. Wir sehen sie als eine ‚Black Box‘, in die Daten hineingehen und aus der Ergebnisse herauskommen. Sie lernen, wie diese Daten aussehen m\u00fcssen, wie Sie KNN mit Daten trainieren und welche Aufgaben Sie mit KKN automatisieren k\u00f6nnen. Dies reicht beispielsweise von der Qualit\u00e4tskontrolle gefertigter Teile \u00fcber die Detektion von Cyberangriffen bis hin zum autonomen Fahren. <\/p>\n\n\n\n

Nach Absolvieren dieses Moduls wissen Sie grundlegend, welche Voraussetzungen f\u00fcr das Training von KNN notwendig sind und auf was Sie dabei achten m\u00fcssen.<\/p>\n<\/div>\n<\/div>\n\n\n\n

<\/div>\n\n\n\n
\n
\n

Theorie-Modul 2: Grundlagen zu neuronalen Netzen<\/strong><\/p>\n<\/div>\n\n\n\n

\n

In diesem Modul tauchen wir tiefer in die Funktionsweise von k\u00fcnstlichen neuronalen Netzen (KNN) ein und erkl\u00e4ren die mathematischen Grundlagen. Dabei werden wir zun\u00e4chst die klassischen KNN (FCNs) erkl\u00e4ren, die beispielsweise f\u00fcr die Vorhersage von Ausfallwahrscheinlichkeiten bei Produktionsmaschinen eingesetzt werden k\u00f6nnen. Anschlie\u00dfend werden wir darauf eingehen, wie diese f\u00fcr die Bildverarbeitung optimiert wurden (CNNs), um z.B. Objekte und Ereignisse in Bildern zu erkennen. Schlie\u00dflich zeigen wir, wie ein Ged\u00e4chtnis bei KNN (RNNs) umgesetzt werden kann f\u00fcr die Verarbeitung von zeitlichen Daten, wie bei der Sprachverarbeitung oder der Wahrnehmung von Objekten in Videos. <\/p>\n\n\n\n

Nach Absolvieren dieses Moduls kennen Sie die mathematischen Konzepte hinter KNN und kennen verschiedene Typen wie FCNs, CNNs und RNNs.<\/p>\n<\/div>\n<\/div>\n\n\n\n

<\/div>\n\n\n\n
\n
\n

Theorie-Modul 3: Erfolgsfaktoren des Deep-Learning, Investitionskosten<\/strong><\/p>\n<\/div>\n\n\n\n

\n

In diesem Modul zeigen wir, warum k\u00fcnstliche Intelligenz in den vergangenen Jahren so erfolgreich geworden ist. Wir erkl\u00e4ren Ihnen die Herausforderungen, die die Forschung zu l\u00f6sen hatte und zeigen auf, warum es heute deutlich einfacher ist, eigene KI-Modelle zu trainieren. <\/p>\n\n\n\n

Nach Absolvieren dieses Moduls wissen Sie, warum KNN so erfolgreich sind und k\u00f6nnen absch\u00e4tzen, wie aufw\u00e4ndig eine Eigenentwicklung ist.<\/p>\n<\/div>\n<\/div>\n\n\n\n

<\/div>\n\n\n\n

Ihre Vorteile<\/h4>\n\n\n\n