Machine Learning und KI-Methoden

Seminarnummer: DIDI018

Die Digitalisierung hat Auswirkungen auf nahezu jedes Unternehmen. Digitale Anwendungen produzieren riesige Datenmengen, deren Auswertung wichtige Impulse zur Erreichung der Unternehmensziele geben können.
Wichtige Unterstützung zur Analyse der Datenmassen geben maschinelle Lernverfahren, bei denen ein Algorithmus durch Wiederholung und vorgegebene Kriterien selbstständig lernt, eine Aufgabe zu erfüllen, ohne dass ein Lösungsweg vorgegeben ist. Diese Künstliche Intelligenz (KI) erkennt und sortiert bspw. Informationen aus Eingabedaten, die dann in Analyseergebnissen aufgehen.

Live-Webinar
16 Seminarstunden
1 Termin verfügbar
Teilnahmebescheinigung
Terminauswahl

Seminar - Machine Learning und KI-Methoden

Die Teilnehmer erhalten im Seminar eine Einführung in die wichtigsten Methoden, Algorithmen und Datenaufbereitungstechniken, um Muster in großen Datenmengen schnell und einfach zu erkennen, Objekte automatisch in sinnvolle Cluster zu gruppieren, Objekte in vordefinierte Kategorien zu klassifizieren und die Merkmale so aufzubereiten, damit Prognosefragestellungen bestmöglich umgesetzt werden können. Zur schnellen und objektiven Bewertung der Güte und Präzision von trainierten Modellen werden neue Denkweisen zur Parameter-Optimierung, Modellbewertung und Modellauswahl vorgestellt, um für den operativen Einsatz von Machine Learning-Modellen (MLOps) optimal vorbereitet zu sein.

Dieses Seminar ist auch Teil der Ausbildung „Data Scientist (TÜV®)“.

Zielgruppe

Statistiker, Business-Analysten, Ingenieure, IT-Experten und angehende Data Scientists, die sich mit den Potenzialen und Einsatzgebieten von Machine Learning und künstlicher Intelligenz vertraut machen möchten, um die Datenpotenziale schneller und besser zu heben. Manager und Führungskräfte, die daten- und algorithmengestützte Prozessautomatisierungen im Unternehmen verankern wollen, um digitale Entscheidungen im großen Umfang umsetzen zu können.

Seminarinhalt

  • Einführung in Data Science und die Welt der Algorithmen
  • Machine Learning und Künstliche Intelligenz - Best Practices und Erfolgsfaktoren
  • Einführung in Feature Engineering
  • Algorithmen des Überwachten Lernens (Decision Tree, Regression, Neural Network, Naïve Bayes, Support Vector Machines, Ensemble Modeling)
  • Algorithmen des Unüberwachten Lernens (Cluster Analysis, Association Analysis)
  • Einführung in Deep Learning
  • Bewertung der Modell-Performance und Modell-Vergleich
  • MLOps - Modell Deployment und operativer Modelleinsatz

Ist kein passender Termin dabei oder Ihr Wunschtermin ist ausgebucht?

Teilnahmebescheinigung

16 Seminarstunden
2 Tage

08:30 - 16:00 Uhr
Statistische Grundkenntnisse sind von Vorteil, idealerweise wurde der folgende Kurs bereits besucht:

Bitte beachten: Dieses Seminar ist Teil der Ausbildung „Data Scientist (TÜV®)“. Wenn dieser Abschluss angestrebt wird, muss ein Studienabschluss im MINT-Bereich oder eine gleichwertige Qualifikation (insbesondere mathematische Vorkenntnisse) nachgewiesen werden.
VDSI Punkte Arbeitsschutz: 0
VDSI Punkte Brandschutz: 0
VDSI Punkte Managementsysteme: 0
VDSI Punkte Gesundheitsschutz: 0
VDSI Punkte Security: 0
VDSI Punkte Umweltschutz: 0
Die theoretischen Inhalte werden in Form von praxisnahen Übungen vertieft. Die dafür notwendige Schulungsumgebung wird gestellt. Der Zugriff auf die Schulungsumgebung erfolgt mit einem Browser (Chrome oder Firefox).

Seminarbuchung: Jetzt passenden Termin & Ort wählen

17.10.2024 - 18.10.2024
Live-Webinar
1.095,00 €
Nettopreis (zzgl. MwSt.)
1.303,05 €
Bruttopreis (inkl. MwSt.)
 

Veranstaltungsnummer: DIDI018.05-Webinar

Preisdetails:

Im Preis enthalten ist Lehrmaterial in digitaler Form.

Seminar:
1.095,00 €
Nettopreis:
1.095,00 €
zzgl. 19 % MwSt.:
208,05 €
Endpreis (Brutto)
inkl. 19 % MwSt.:
1.303,05 €
 

Verwandte Seminare

Data Scientist (TÜV®)
Freie Plätze : 100
Live-Webinar
Im Seminar erhalten die Teilnehmer eine umfassende Einführung in die Programmiersprache Python als Grundwerkzeug für die spätere Datenanalyse und lernen die Entscheidungskriterien für die Datenauswahl und die Datenquellen kennen, die sie für ihre Betrachtung benötigen.
Data Science mit Python
Freie Plätze : 100
Live-Webinar
Die durch die Digitalisierung zahlreicher Prozesse, Transaktionen und weiterer Anwendungsfälle entstehenden Datenmengen müssen ausgewertet und analysiert werden, um einen Mehrwert für Unternehmen und Einrichtungen zu schaffen.
Feature Engineering für Data Science
Freie Plätze : 100
Live-Webinar
Feature Engineering ist die Vorbereitung von Daten für die Verarbeitung in Machine Learning-Algorithmen und von hoher Bedeutung im gesamten Machine Learning-Prozess
AIoT - Digitale Signalverarbeitung für KI-Algorithmen
Freie Plätze : 100
Live-Webinar
KI-Methoden werden eingesetzt, um verflochtene Zusammenhänge datengetrieben zu lernen und die Grenzen klassischer mathematischer Modelle zu überwinden.
Process Mining: Grundlagen und Anwendungen
Freie Plätze : 100
Live-Webinar
Die voranschreitende Digitalisierung wirkt sich auf nahezu jedes Unternehmen aus. Digitale Anwendungen hinterlassen eine riesige Datenmenge, die es auszuwerten gilt, um Prozesse zu verbessern.