Seminar

Praxisworkshop Machine Learningneu

Hands-on Einstieg in Methoden und Tools des Maschinellen Lernens

Bildmotiv zum Praxisworkshop Machine Learning
© ipopba / Adobe Stock

Künstliche Intelligenz (KI) und Machine Learning versprechen große Potenziale in verschiedenen Unternehmensbereichen im Maschinenbau. Doch was steckt dahinter und welche Methoden können wirklich gewinnbringend eingesetzt werden?

Beim Machine Learning, dem Lösen eines konkreten Problems mithilfe von Daten, geht es im nicht immner nur um den KI-Algorithmus, auf den Ingenieure zugreifen und diesen für die eigene Produkt- oder Produktionsentwicklung nutzen. Zur schnellen und erfolgreichen Umsetzung von Machine Learning ist vielmehr auch ein methodisches Vorgehen notwendig: von der Problemformulierung über die Datengewinnung und Datenaufbereitung bis hin zur Übertragung von einem Pilotprojekt in die eigentliche Serienproduktion oder Serienentwicklung.

Der Praxisworkshop Machine Learning gibt Ihnen eine strukturierte und zielgerichtete Vorgehensweise an die Hand, um den Hype um Künstliche Intelligenz und Machine Learning greifbar zu machen. Sie lernen, komplexe Rechenabläufe zu verstehen und gewinnbringend einzusetzen und erhalten viele Praxisbeispiele zum Maschinellen Lernen im Maschinenbau.


+++ Aktuelle Meldung +++
Aufgrund der derzeitigen Coronakrise bieten wir diese Veranstaltung aktuell ausschließlich als virtuelles Seminar an. Unsere Experten Markus Netzer und Tobias Schlagenhauf werden Sie in gewohnter Qualität in einzelnen Websessions live durch die Seminarinhalte führen. Jetzt informieren!

Inhalte

1. Tag: Einführung in das Maschinelle Lernen und die strukturierte Herangehensweise

  • Einstieg: Was ist Machine Learning? Künstliche Intelligenz, Maschinelles Lernen und Deep Learning: Unterschiede und Gemeinsamkeiten
  • Strategie: Strukturierte Machine Learning Projekte mit CRISP-DM (Cross Industry Standard Process for Data Mining): Das Kochrezept zur erfolgreichen Umsetzung von Maschine Learning Projekten
  • Wissen: Algorithmen des Machine Learning: Klassifikation, Regression und Clustering – die wichtigsten Algorithmen
  • Anwendung: Inspiration durch praktische Machine Learning Use Cases: Relevante Praxisbeispiele aus der Industrie zur Vorhersage und Klassifikation erkennen und umsetzen

2. Tag: Umsetzungsbeispiel eines intelligenten Condition Monitoring Systems (Bildklassifikation)

  • Daten: Welche Daten werden benötigt? Unterschiedliche Sensorsysteme und Signaltypen kennenlernen; Das Besondere an Bilddaten und die Relevanz in der Industrie
  • Set-up: Wie werden Daten aufbereitet? Data Cleaning und Data Preperation – Die wichtigsten Schritte beim Maschinellen Lernen
  • Algorithmen: Anwenden eines Modells zur Bildklassifikation: Neuronale Netze kennenlernen und verstehen
  • Zuverlässigkeit: Auswerten der Ergebnisse: Die Zuverlässigkeit von Modellen analysieren und bewerten

Methoden

Vorträge, Diskussionen, Programmier- und Praxisbeispiele sowie Austausch unter den Teilnehmern und Vermittlung der KI-Werkzeuge anhand von Beispielen zum Nachprogrammieren


Wie profitieren Sie von diesem Seminar?

Ziel des Praxisworkshops ist das anwendungsnahe Erlernen der wichtigsten Machine Learning Methoden und Tools im Produktionsumfeld. Sie identifizieren geeignete Anwendungsfälle im eigenen Unternehmen. Darüber hinaus können Sie Algorithmen und Datensätze bewerten und Potentiale einschätzen. Am Ende des Praxisworkshops wissen Sie, welche Schritte zur erfolgreichen Umsetzung notwendig sind. Die im Workshop erlernten Methoden und Konzepte werden auf Checklisten festgehalten.


Zielgruppe

Ingenieure, Prozess- und Verfahrensentwickler, Konstrukteure, Informatiker sowie Führungskräfte mit und ohne Programmiererfahrung


Hinweis

Zur Bearbeitung der Praxisbeispiele wird Ihnen ein Laptop mit entsprechender Software zur Verfügung gestellt.


Partner

Durchgeführt wird das Seminar von der KIT Campus Transfer GmbH (KCT), einer Unternehmensgründung des Fördervereins für Innovation am KIT, des Karlsruher Institut für Technologie (KIT) und der KIT Innovation gGmbH. Die KCT dient im Bereich des Technologietransfers neben dem KIT-internen Angebot als eine weitere Schnittstelle zwischen dem KIT sowie der Industrie und Wirtschaft.

Seminarleitung

Portraitfoto von Markus Netzer

Markus Netzer

Maschinenbauer und akademischer Mitarbeiter am wbk Institut für Produktionstechnik am Karlsruher Institut für Technologie. Mehrjährige Erfahrung in der Digitalisierung von Produktionen multinationaler Unternehmen sowie Expertise in der industriellen Nutzung von Künstlicher Intelligenz in der Produktion durch Forschungsprojekte am wbk Institut für Produktionstechnik.
Portraitfoto von Tobias Schlagenhauf

Tobias Schlagenhauf

Wirtschaftsingenieur und akademischer Mitarbeiter am wbk Institut für Produktionstechnik am Karlsruher Institut für Technologie. Internationale Tätigkeit in der Umsetzung von Machine Learning Projekten in der Produktions- und Prozessentwicklung. Seine Forschungsexpertise liegt in der Anwendung von Verfahren des Maschinellen Lernens zur Entwicklung der autonomen Produktionsmaschine.

Veranstaltungsdetails

Termine für diese Veranstaltung befinden sich derzeit in Planung. Gerne senden wir Ihnen weitere Infos zu, sobald verfügbar.

Sie haben Fragen?

Gorana Delija-Cavlovic

+49 69 6603 1334

mbi@vdma.org

Info-Service

Erhalten Sie regelmäßig und automatisch aktuelle Infos zu passenden Weiterbildungen.