Schulungssuche

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.

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.

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

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.

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.

Vertrauenswürdige KI spielt sowohl für die Operationalisierung des AI-Act (Artificial Intelligence Act) eine große Rolle, als auch zur Qualitätsgarantie im unregulierten Bereich. Es existiert bereits eine Vielzahl von Ansätzen und Methoden, mit denen wichtige Eigenschaften von KI-Anwendungen in Bezug auf ethische sowie auf sicherheitsrelevante Aspekte sichergestellt werden sollen. Für Unternehmen kommt es nun darauf an, zentrale Anforderungen der Vertrauenswürdigkeit zielgerichtet und möglichst pragmatisch umzusetzen. Hierzu vermittelt die Schulung »Data Scientist specialized in Trustworthy AI« einen umfassenden Überblick über die Absicherung von KI-Anwendungen in allen relevanten Handlungsfeldern und gibt Ihnen eine strukturierte Methodik zur Anwendung in der Praxis an die Hand.

Diese Schulung schließt an das Angebot »Certified Data Scientist Basic Level« an und richtet sich sowohl an Fachkräfte mit Erfahrung in der Datenanalyse und Grundkenntnissen des Software Engineering als auch an erfahrene Software Engineers, deren Berufsweg sie in Kontakt mit Data Science und deren Implementation gebracht hat. In der Schulung lernen Sie Methoden und Tools zur Operationalisierung von Machine Learning-Anwendungen (»Machine Learning Operations (MLOps)«), kennen.

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.