Im Präsenz-Seminar, das an zwei Terminen stattfindet, werden die theoretischen Grundlagen der Datenanalyse mittels Methoden Künstlicher Intelligenz (KI) im Zeitalter von Big Data vorgestellt. Dabei liegt der Fokus insbesondere auf den damit verbundenen Herausforderungen und passenden Lösungsansätzen.
Das Maschinelle Lernen (ML) kommt in verschiedenen Algorithmen zur Anwendung und die damit verbundenen Stärken und Schwächen stehen im Mittelpunkt des Seminars. In den zwei Terminen vor Ort vertiefen die Teilnehmenden ihr neu erlerntes Wissen in praktischen Übungen und Tooldemonstrationen. Die Anzahl der Teilnehmenden ist auf maximal 20 Personen beschränkt.
Die Agenda im Überblick:
- Einführung Data Science und Vorgehensmodell CRISP-DM
- Big Data und Data Analytics | Zielbestimmung: Business Understanding; Vorstellung von Beispieldaten
- Data Understanding
- Datenexploration und -visualisierung | Deskriptive Statistik
- Data Preparation
- Wichtige Algorithmenklassen | Anforderungen an Daten | Aufbereitung und Modellbildung
- Modeling und Evaluation
- Auswahl und Einsatz von KI-Algorithmen | Visualisierung der Ergebnisse | Anwendungen für die Sachbearbeitung
- Praktische Übungen
- Praxisbeispiele | Tooldemonstratoren | Gruppenübungen
Für die erfolgreiche
...
mehr anzeigen
Im Präsenz-Seminar, das an zwei Terminen stattfindet, werden die theoretischen Grundlagen der Datenanalyse mittels Methoden Künstlicher Intelligenz (KI) im Zeitalter von Big Data vorgestellt. Dabei liegt der Fokus insbesondere auf den damit verbundenen Herausforderungen und passenden Lösungsansätzen.
Das Maschinelle Lernen (ML) kommt in verschiedenen Algorithmen zur Anwendung und die damit verbundenen Stärken und Schwächen stehen im Mittelpunkt des Seminars. In den zwei Terminen vor Ort vertiefen die Teilnehmenden ihr neu erlerntes Wissen in praktischen Übungen und Tooldemonstrationen. Die Anzahl der Teilnehmenden ist auf maximal 20 Personen beschränkt.
Die Agenda im Überblick:
- Einführung Data Science und Vorgehensmodell CRISP-DM
- Big Data und Data Analytics | Zielbestimmung: Business Understanding; Vorstellung von Beispieldaten
- Data Understanding
- Datenexploration und -visualisierung | Deskriptive Statistik
- Data Preparation
- Wichtige Algorithmenklassen | Anforderungen an Daten | Aufbereitung und Modellbildung
- Modeling und Evaluation
- Auswahl und Einsatz von KI-Algorithmen | Visualisierung der Ergebnisse | Anwendungen für die Sachbearbeitung
- Praktische Übungen
- Praxisbeispiele | Tooldemonstratoren | Gruppenübungen
Für die erfolgreiche Teilnahme am Seminar erhalten alle Teilnehmenden eine Teilnahmebescheinigung.
Die Veranstaltung richtet sich an Führungs- und Fachkräfte sowie IT-Expertinnen und -Experten, die Künstliche Intelligenz, Maschinelles Lernen und Data Science verstehen möchten (auch für Einsteigerinnen und Einsteiger geeignet).
Wissenschaftliche Ansprechpartner:
Jens Drawehn
Angewandte KI
Fraunhofer IAO
Nobelstraße 12
70569 Stuttgart
Telefon +49 711 970-2407
E-Mail: jens.drawehn@iao.fraunhofer.de
Dennis Klau
Angewandte KI
Fraunhofer IAO
Allmandring 35
70569 Stuttgart
Telefon +49 711 970-5112
E-Mail: dennis.klau@iao.fraunhofer.de
Tobias Müller
Smart Energy Systems
Fraunhofer IAO
Nobelstraße 12
70569 Stuttgart
Telefon +49 711 970-2375
E-Mail: tobias.mueller@iao.fraunhofer.de
weniger anzeigen
