Schulungssuche

Durch die Schulung »Data Scientist Basic Level« erlangen Sie breitgefächertes Wissen, um effizient in Data Science Teams mitarbeiten zu können. Sie erfahren, wie Business Developer die Potenziale von Big Data in ihrem Unternehmen erschließen, wie Dateningenieur*innen Daten beschreiben und integrieren, wie Analyst*innen mit maschinellen Lernverfahren Muster und Trends erkennen und wie Software-Ingenieur*innen mit modernen Datenbanken und verteilten Berechnungsverfahren robuste und skalierbare Big-Data-Systeme entwickeln. All dies unter Berücksichtigung von Datenschutz und -sicherheit. Die Schulung schließt mit einer Prüfung zum Erwerb des Zertifikats »Data Scientist Basic Level« ab.

Hier lernen Fachleute mit Grundkenntnissen im Bereich Statistik und erster Programmiererfahrung wesentliche Grundlagen der modernen Datenanalyse kennen. Für die praktischen Übungen kommt die freie Software »KNIME« zum Einsatz. Die weitergehenden Möglichkeiten der statistischen Programmiersprache »Python« werden ebenfalls vorgestellt und eingeübt. Nach der Schulung sind Sie in der Lage, erste eigene Analysefragestellungen zu bearbeiten und den Nutzen von maschinellen Lernverfahren zu bewerten.

Dieser Kurs bietet eine umfassende Einführung in die Implementierung von Open-Source-LLM-Modellen, die lokal gehostet werden. Teilnehmer erhalten fundierte Kenntnisse darüber, wie die Kontrolle über Daten und Datenschutz durch den Einsatz dieser Modelle gewährleistet werden kann. Ein Schwerpunkt liegt auf der Anpassung und Optimierung der Modelle, um sie an spezifische Anforderungen anzupassen und effizientere sowie maßgeschneiderte Lösungen in verschiedenen Anwendungsbereichen zu entwickeln. Hugging Face hat sich als Standard für die Entwicklung und Implementierung von NLP-Lösungen etabliert, und das Verständnis dieser Plattform eröffnet den Zugang zu fortgeschrittenen, vortrainierten Modellen, die für eine Vielzahl von Anwendungen genutzt werden können. Der Kurs richtet sich an Datenwissenschaftler, Softwareentwickler und Projektmanager mit mittleren Python-Kenntnissen. Die Teilnehmer werden in die Welt der Large Language Models (LLMs) eingeführt und lernen die Hugging Face Plattform kennen. Sie erfahren, wie sie die Transformers-Bibliothek einrichten und nutzen, um grundlegende NLP-Aufgaben wie Named Entity Recognition (NER), Textzusammenfassungen und Dokumentklassifikation mit vortrainierten Modellen zu bewältigen. Darüber hinaus wird eine Einführung in die Tokenisierung und den Umgang mit Datensätzen gegeben.

Das Seminar bietet einen Überblick über den Stand der Technik an der Schnittstelle zwischen funktionaler Sicherheit (Safety) und Künstlicher Intelligenz inklusive relevanter Normen und Normungsinitiativen, zudem schafft es Bewusstsein für die Herausforderungen beim Einsatz von KI in sicherheitskritischen Lösungen, indem typische Problemstellungen aus diesem Spannungsfeld aufgezeigt werden. Teilnehmer*innen lernen mögliche Strategien für den sicheren Einsatz von KI-Lösungen kennen und erproben eine Auswahl von Ansätzen, die ihnen dabei helfen, konkrete Herausforderungen zu adressieren und maßgeschneiderte Safety-Konzepte abzuleiten. Die online durchgeführte Schulung beinhaltet einen hohen Anteil an Übungen und Interaktion, um die Inhalte praxisnah zu vermitteln und den Transfer in den beruflichen Alltag zu erleichtern. Als zertifizierter »Data Scientist Specialized in Assuring Safety« wissen Sie über das Gefahren- und Innovationspotential von KI-Anwendungen im sicherheitskritischen Umfeld besitzen einen Überblick über die Grundlagen des Safety Engineerings kennt maßgebliche KI-Grundlagen aus dem Blickwickel Safety können Nutzen und Verbindlichkeit von Safety und KI-Standards einordnen kennen eine Auswahl möglicher Strategien und Maßnahmen für sichere KI können Assurance Cases, als mögliche Argumentationsgrundlage für KI-bezogene Sicherheitsnachweise, exemplarisch anwenden

Diese Schulung ist sowohl für Fachkräfte mit Erfahrung in der Datenanalyse und grundlegendem Verständnis der Mikroelektronik als auch für erfahrene Hardware-Entwickler geeignet, die sich mit Machine Learning und dessen Einsatz in kleinen Geräten vertraut machen möchten. In der Schulung lernen Sie Methoden und Tools zur Entwicklung und Implementierung von Machine Learning-Anwendungen auf Mikrocontrollern (»Edge AI«) kennen. Nach Abschluss der Schulung sind Sie in der Lage, die Herausforderungen und Lösungsansätze für die Implementierung von ML-Anwendungen auf Mikrocontrollern in Ihrem Unternehmen zu erkennen, passende Strategien zu entwickeln und haben konkrete Umsetzungsbeispiele kennengelernt. Sie erlangen Kenntnisse über die wichtigsten technischen Aspekte von Edge AI, einschließlich der Entwicklung von ML-Modellen, der Implementierung auf Mikrocontrollern und der Optimierung für Betrieb und Leistung. Sie profitieren von unserem tiefgreifenden Verständnis der Datenwissenschaft und der langjährigen Projekterfahrung in internen und Kundenprojekten. Dieser Kurs ist eine ideale Vertiefung in das Themenfeld Edge AI, da Sie Konzepte, Methoden und Werkzeuge nicht nur theoretisch kennenlernen, sondern auch in ersten Ansätzen praktisch erfahren.

Hier lernen Fachleute mit Grundkenntnissen im Bereich Statistik und erster Programmiererfahrung wesentliche Grundlagen der modernen Datenanalyse kennen. Für die praktischen Übungen kommt die freie Software »KNIME« zum Einsatz. Die weitergehenden Möglichkeiten der statistischen Programmiersprache »Python« werden ebenfalls vorgestellt und eingeübt. Nach der Schulung sind Sie in der Lage, erste eigene Analysefragestellungen zu bearbeiten und den Nutzen von maschinellen Lernverfahren zu bewerten.

Die interaktive Schulung »Kompakteinstieg Computer Vision« gibt Ihnen in einem kompakten Format einen Überblick über das breite Feld des maschinellen Sehens. Der Fokus liegt hierbei auf dem Verständnis der vielfältigen Teilbereiche und ihrer Unterschiede zueinander sowie der daraus resultierenden Anwendungen und Schwierigkeiten. Der Kurs wurde von Expert*innen mit langjähriger Erfahrung in Industrie- und Forschungsprojekten erarbeitet und nutzt die dabei gewonnenen Erkenntnisse aus echten Anwendungen. Mit dieser Schulung erleben Sie den idealen Crashkurs zum spannenden Feld der Computer Vision und lernen, Computer-Vision-Szenarien zu erkennen und entsprechende Lösungen zu bewerten. Die technischen Inhalte werden anhand interaktiver Übungen vermittelt. Programmierinteressierte können selbst kostenfrei eine der Programmierübungen in diesem Google Colab ausprobieren. Diese Übungen sind optionaler Bestandteil der Schulung und stehen Teilnehmenden auch nach der Durchführung zur Verfügung.

Aktuelle Schätzungen gehen davon aus, dass mehr als 80 Prozent aller verfügbaren Informationen in Textform vorliegen. Grundlage moderner Textmining-Verfahren ist die Repräsentation von Wortbedeutungen durch Einbettungsvektoren, welche die Grundlage zum Verständnis eines Textes bilden. Damit können einerseits Texte analysiert werden, z.B. die Einstellung zu Marken und Produkten in sozialen Medien. Andererseits können aus einem Text neuer Inhalt generiert werden, z.B. die Zusammenfassung oder Übersetzung eines Dokuments, die Fortsetzung einer Geschichte, die Weiterführung eines Dialogs oder die Erstellung eines Bildes zu einem Text. Die Leistungsfähigkeit der Verfahren wurde in den letzten Jahren durch die Entwicklung des Transformers und der darauf basierenden Modelle BERT und GPT entscheidend verbessert. In dem Kurs wird gezeigt, wie man durch moderne Optimierungsverfahren und unter Verwendung extrem großer Trainingsdaten sehr performante Modelle mit Milliarden von Parametern trainieren kann. Für jedes Anwendungsgebiet werden Beispielmodelle mit leistungsfähigen Toolkits (TensorFlow, Pytorch, HuggingFace, etc.) in einem „virtuellen Labor“ implementiert und auf leistungsfähiger GPU-Hardware erprobt. Die Modelle werden in Jupyter Notebooks spezifiziert und können on-the-fly evaluiert und modifiziert werden. Es wird gezeigt, wie konkrete Anwendungsfälle, Geschäftsmodelle und Einsatzmöglichkeiten im Bereich der Textanalyse und -generierung umgesetzt werden können. Zudem werden die Vor- und Nachteile der einzelnen Methoden diskutiert.

Sie erlernen in diesem Modul wie Sie generative KI-Modelle verschiedener Größe auf Maschinen vom eigenen Laptop bis hin zu leistungsfähigen GPU-Rechnern bereitstellen. Neben den technischen Voraussetzungen werden auch die organisatorischen Aspekte thematisiert, die für eine zweckmäßige und kosten-effiziente Bereitstellung im Unternehmens-Kontext erforderlich sind. Hierbei profitieren Sie von unserer langjährigen Projekterfahrung in internen und Kundenprojekten. Im ersten Teil des Moduls werden die notwendigen Hintergründe vermittelt und Entscheidungshilfen im Hinblick auf den in-house (on-premises) Betrieb von Sprachmodellen im Unternehmen gegeben. Im zweiten Teil wird in Form einer Hands-on Session das zugehörige technische Know-how vermittelt.

Mit der Weiterentwicklung von Künstlicher Intelligenz wird das Verständnis fortgeschrittener Prompting-Methoden für generative KI immer wichtiger. Aufbauend auf den in Stufe 1 erworbenen Grundkenntnissen vertieft dieser Kurs die Komplexität von Large Language Models (LLMs) und deren Anwendungen.