Web-Seminar
Kompakteinstieg „Maschinelles Lernen in der Produktion“
https://www.iwu.fraunhofer.de/de/veranstaltungen-und-messen/schulungen/kompakteinstieg-maschinelles-lernen-in-der-produktion.htmlDie zweitägige Schulung Kompakteinstieg „Maschinelles Lernen in der Produktion“ gibt Ihnen einen Überblick über Anwendungsmöglichkeiten von Machine Learning in der Produktion, Projektphasen, sowie die Zusammenarbeit in einem Machine Learning Projekt. Sie lernen den Data Science Prozess von der Datenaufnahme über die Datenanalyse bis zur Modellierung im Detail kennen.
Zielgruppe:
Domänen- und Prozessexpertinnen und -experten sowie Entscheiderinnen und Entsscheider in produzierenden Unternehmen, die Maschinelles Lernen in ihre Prozesse einführen möchten.
Vorkenntnisse:
Es werden keine Vorkenntnisse vorausgesetzt
Zugangsvoraussetzungen:
Interesse an innovativen Methoden und Maschinellem Lernen
Das Programm im Überblick:
13.12.2023
- Einführung „Maschinelles Lernen in der Produktion“:
Anhand von Use Cases aus der Produktion erhalten Sie einen Einblick in den Stand der Technik sowie einen Einblick, wie sich Machine Learning Projekte strukturieren lassen. - Datenakquise und Aufbereitung:
Eine der wichtigsten und zeitintensivsten Phasen eines Machine Learning Projektes ist die Akquise, Bereitstellung und die Aufbereitung der Daten. In diesem Block bekommen Sie Einblicke und Best Practices dazu, welche Datenfehler auftreten können und wie Sie diese vor dem Hintergrund der Modellierung beheben können. - Modellierung:
Nach der Datenaufbereitung können Algorithmen für die Modellierung der Prozesse angewendet werden, um so anhand von historischen Daten und Ereignissen für die Zukunft zu lernen. Neben einem Vergleich von klassischen Analyseverfahren (z.B. Korrelationsanalyse) mit Verfahren der künstlichen Intelligenz, bekommen Sie Einblicke in die Funktionsweise der Machine Learning Algorithmen.
14.12.2023
- Hands-on Python:
In diesem Block bearbeiten Sie einen Machine Learnin Use Case von der Datenaufnahme bis zur Modellierung anhand eines gegebenen Beispiels. - Rollen und Verantwortungen:
Durch den agilen Charakter von Machine Learning Projekten ergeben sich veränderte Rollen und Verantwortungen. In diesem Block erhalten Sie Informationen dazu, welche Rollen innerhalb eines Projektes benötigt werden und wie die Zusammenarbeit zwischen diesen aussehen kann. - Mini-Workshop „Ideenfindung“:
Zum Abschluss der Schulung können Sie gemeinsam mit uns erste Anregungen und Ideen für mögliche Use Cases in Ihrem Unternehmen entwickeln und so die vermittelten Inhalte der Schulung direkt in die Anwendung zu bringen.