Künstliche Intelligenz entwickelt sich mit atemberaubender Geschwindigkeit weiter und 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. Spätestens nach Einführung von ChatGPT, Bard und dem Bing Chat ist das Thema in aller Munde. 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 Künstlichen Intelligenz und insbesondere des Deep Learnings. Im Zuge mehrerer Praxis-Module lernen Sie, Ihr Wissen anzuwenden und programmieren eigenständig erste KI-Anwendungen. Die Praxis-Module können Sie orts- und zeitunabhängig online bearbeiten. Wir stehen Ihnen dabei unterstützend zur Seite.

Lerninhalte

• Theorie-Modul (vor Ort, ein Tag): bestehend aus drei 1,5h Modulen 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. neuronalen 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 erwerben 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 im Bereich der Entwicklung von KI-Modellen.
• Der Theorieteil wird auf Deutsch vorgetragen. Das Material der Praxismodule ist auf Englisch.
• Grundlegende Programmiererfahrung und mathematische Kenntnisse sind von Vorteil.

Organisatorisches

Das eintägige Theoriemodul findet als Präsenzveranstaltung in den Räumen des Niedersächsischen Forschungszentrums für Fahrzeugtechnik statt und wird im Abstand von 1-2 Monaten in deutscher Sprache angeboten. Im Anschluss erhalten Sie Zugang zu unseren interaktiven Online-Schulungsmaterialien. Diese können Sie in den folgenden Wochen bis Monaten zeitlich und räumlich flexibel selbstständig bearbeiten und erhalten in regelmäßigen Abständen Feedback zu Ihren Lösungen. Das Kursmaterial ist ausschließlich in englischer Sprache 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.