Maschinelles Lernen

Ein Teilmodul des »Machine Learning Forums«

Das Seminar »Maschinelles Lernen«

Robot sitting on a bunch of books. Contains clipping path
© Fraunhofer IIS

Maschinelles Lernen ist ein Teilbereich der Künstlichen Intelligenz, der zum Ziel hat, Computer nicht explizit zu programmieren, sondern diese aus vorhandenen Daten selbstständig Lernen zu lassen.

Das Fraunhofer IIS bietet ein zweitägiges Seminar zum Thema Maschinelles Lernen (ML) im professionellen Umfeld an, um die Industrie in der Nutzung von maschinellem Lernen zu unterstützen. In diesem Seminar werden Sie lernen, ML-Projekte erfolgreich umzusetzen. Von der Definition ihrer Geschäftsziele über den Test bis zum Einsatz im Live-Betrieb. Eine breite Auswahl an behandelten Algorithmen und anschaulicher Beispiele schärft den Blick für die Einsatzgebiete in ihrem Unternehmen.  Ein weiterer wichtiger Punkt ist das Erkennen von Fallstricken in der Verarbeitungskette lernender Verfahren, sowie der Einsatz geeigneter Gegenmaßnahmen bzw. »Best Practices«.

 

Durch die Teilnahme an der Schulung werden Sie:

  • Die Grundlagen des maschinellen Lernens verstehen
  • Die sinnvolle Erhebung und Strukturierung von Daten erlernen
  • Unüberwachte sowie überwachte Lernverfahren kennenlernen
  • Die Eigenschaften aller Methoden verinnerlichen
  • Erprobte Verfahren für schnelle Ergebnisse und Entscheidungen nutzen
  • Beispiele für den Einsatz von maschinellem Lernen im Kontext kennenlernen
  • Fehler in der Verarbeitungskette erkennen und beheben
  • In der Lage sein sich selbständig weiterzubilden

Auf einem Blick

Termin: auf Anfrage

Zielgruppe:

  • Softwareentwickler/-architekten aus dem F&E-Bereich, die sich mit der Analyse von Daten beschäftigen sowie technische Entscheidungsträger
  • Entwickler und Ingenieure in Industrieunternehmen
  • Wissbegierige aller Art

Voraussetzung: Es gibt keine Voraussetzungen. Programmierkenntnisse in Python sind von Vorteil, jedoch nicht erforderlich.

Empfehlung: Kombinieren sie das Modul mit dem eintägigen Deep Learning Essentials Modul

Dauer: 2-tägige Schulung

Schulungssprache: Deutsch oder Englisch je nach Wunsch der Teilnehmenden

Anzahl der Teilnehmenden: Minimale Teilnehmeranzahl 5,  Maximale Teilnehmeranzahl 12
Gruppenanmeldungen werden bevorzugt. Ansonsten erfolgt die Berücksichtigung der Anmeldungen in der Reihenfolge des Eingangs

Kursmaterialien: Jupyter-Notebooks könne auf Wunsch bereitgestellt werden.

Anmeldefrist: 2 Wochen vor Termin

Veranstaltungsort: ADA Lovelace Center des Fraunhofer IIS (Nordostpark 84, 90411 Nürnberg) oder als Inhouse-Schulung bei Ihnen vor Ort (Inhouse-Schulungen benötigen eine kurze Absprache zur IT-Installation)  

Teilnahmegebühr und was diese beinhaltet: In der Teilnahmegebühr sind Getränke und Mittagessen enthalten.

Inhalte des Seminars »Maschinelles Lernen«

Tag 1: Daten und Klassifikation

  • Überblick zu maschinellem Lernen und Einordnung wichtiger Begriffe
  • Daten-Exploration und Aufbereitung
  • Algorithmen des überwachten Lernens für Klassifikationsprobleme
  • Hands-On Beispiele für erste Erfolge
Tag 2: Regression und unüberwachtes Lernen
  • Regression und unüberwachtes Lernen
  • Hands-On Beispiele für erste Erfolge und Transferlernen
  • Algorithmen des unüberwachten Lernens für Daten ohne Labels
  • Praktische Beispiele zu Clusteringverfahren und Kompression
  • Optional: Process Mining für mehr Transparenz bei Prozessen
Best Practices werden stets an den konkreten Beispielen erklärt:
  • Typische Fehler erkennen und beheben
  • Over- und Underfitting von Modellen
  • Bias/Varianz Trade-Off
  • Hyperparameteroptimierung
  • Unbalancierte Datensätze
  • Konzeptdrift von Datenquellen
 

Anmeldung und weitere Informationen

Besondere Stornogebühren: Abmeldungen mit Erstattung der vollen Kursgebühr können nur bis 4 Wochen vor Termin erfolgen.

Weiterführende Informationen zum Fachbereich

Hier können Sie sich via E-Mail für das Seminar anmelden.

 

Kontakt:
Dipl.-Ing. Nicolas Witt
Telefon: +49 911 58061-3251
E-Mail senden

Ihr Referent:

Ihr Trainer Herr Dipl.-Ing. Nicolas Witt ist seit 2011 wissenschaftlicher Mitarbeiter am Fraunhofer IIS und in der Gruppe Machine Learning und Information Fusion als Senior Engineer tätig. Er setzt Verfahren des maschinellen Lernens seit seinem Studium der Informations- und Kommunikationstechnik an der Friedrich-Alexander Universität ein.

An der Universität ist er Teil des Machine Learning und Data Analytics Labs und war dort lange Zeit für das Seminar Machine Learning verantwortlich. Sein aktuelles Hauptanwendungsgebiet ist die Verarbeitung von Sensordatenströmen.


Literaturempfehlung:

  • Hands-On Machine Learning with Scikit-Learn and TensorFlow. By Aurélien Géron, Publisher: O'Reilly Media, Release Date: March 2017, Pages: 574.