Seminar

Big-Data & Deep Learning für die Energiewirtschaft

mit Teilnahmebescheinigung

Big Data & Deep Learning für die Energiewirtschaft - Seminar

Deep Learning ist eine Form des maschinellen Lernens (machine learning), die einem Computer Lernen durch Erfahrung ermöglicht, indem er die Welt in Form von mathematischen Termen und als Hierarchie von Konzepten begreift. Unter dem Schlagwort des Deep Learning hat die Wissenschaft in den vergangenen Jahren spektakuläre Fortschritte zeigen können, von der Bild- und Objekterkennung über das Verstehen von Sprache, das mit IoT-Lösungen wie Alexa in unseren Alltag längst Einzug gehalten hat, hin zu großen Leistungen wie Google Deepminds AlphaGo Zero.

Das Seminar "Big Data & Deep Learning für die Energiewirtschaft" zeigt, wie Deep Learning in der Praxis funktioniert. Es lehrt, wie Forschung auf konkrete Probleme angewandt werden kann und künstliche neuronale Netze zur Muster- wie zur Zeitreihenerkennung gleichermaßen eingesetztwerden können. Das notwendige theoretische Grundgebäude wird an den notwendigen Stellen aufgebaut und erweitert, wo es zum Verständnis der Techniken notwendig ist. Dadurch fokussiert sich das Seminar auf Anwendungsfälle aus der Praxis und vermittelt den Teilnehmern wichtiges Wissen zum Überblick und Entscheiden, während es gleichzeitig genug in die Tiefe geht, um den Lernenden gleichermaßen die notwendigen Werkzeuge zur Lösung eigener Anwendungsfälle mithilfe künstlicher Intelligenz an die Hand zu geben. Somit wird aus der Praxis für die Praxis gelehrt.

Top Themen

  • Lernen Sie die Deep Learning Softwareumgebung im Selbstversuch kennen
  • Woher kommt Deep Learning und auf welchen Technologien basiert es?
  • Datenhaltung & -aufbereitung und Exploration
  • Mathematische Grundlagen
  • Muster- und Objekterkennung
  • Zeitreihenvorhersage mit rekurrenten neuronalen Netzen

Programm

Das Seminar behandelt diese Themen im Einzelnen:

Programm als PDF herunterladen

Programmablauf

Direkteinstieg in die Praxis

  • Ein Beispiel aus der Praxis
  • Kennenlernen einer typischen Deep Learning-Softwareumgebung
  • Potential (und Grenzen) von Deep Learning-Ansätzen

Ein kurzer Blick auf die Geschichte

  • Historische Einordnung von Deep Learning in den Forschungsbereich maschinelles Lernen und Computational Intelligence
  • Wurzeltechnologien von Deep Learning
  • Entstehung des Begriffs

Datenhaltung

  • Unstrukturierte Daten
  • Relationale Datenbanken
  • Apache Spark, HDFS und Hadoop
  • Datenaufbereitung und -exploration
  • Entscheidungshilfe für die Technologiewahl

Mathematische Grundlagen

  • Die notwendigsten theoretischen Grundlagen für das Verständnis der folgenden Abschnitte
  • Vektor- und Matrixrechnung
  • Tensoralgebra

Muster- und Objekterkennung

  • Perceptron und Multi-Layer Perceptron
  • Convolutional Neural Networks
  • Techniken der Objekt- und Bilderkennung
  • Architekturentscheidungen und Wahl der richtigen Hyperparameter

Verzerrung, Varianz und Regularisierung

  • Das Problem des statistischen Rauschens und Überanpassung (Overfitting)
  • Verzerrung-Varianz-Dilemma
  • Techniken zur Normalisierung

Evolutionäre Algorithmen und Neuroevolution

  • Evolutionäre Algorithmen
  • Einführung in das Training von künstlichen neuronalen Netzen
  • Ausblick in die Forschung: Neuroevolution↓

Training von künstlichen neuronalen Netzen:

  • Einführung in gradientenbasierte Verfahren: Backpropagation of Error
  • Die Komplexität des Trainings
  • Fehlerfunktionen
  • Weiterentwicklungen: Rprop, RMSprop, Adamax, Nesterov
    Momentum und Nadam
  • Wahl der Hyperparameter

Zeitreihenvorhersage mit rekurrenten neuronalen Netzen

  • Das Konzept des rekurrenten Netzes: Elman Networks
  • Zeitreihen, Zeitreihenvorhersage und dynamische Systeme
  • Moderne RNN-Strukturen: Long Short-Term Memory und Gated Recurrent Units

„Bring your own use case“

  • Besprechung, Planung, und Merkmalswahl für von Teilnehmern beschriebene Fälle
  • Praxisteil: Konzeption, Technikwahl, Training und Auswertung mit einem echten Anwendungsfall

Zielgruppe

Diese Weiterbildung zu Deep Learning richtet sich an Mitarbeiter und Entscheider im Bereich IT von Versorgungsunternehmen in folgenden Bereichen:

  • Innovation
  • Erzeugung
  • Netz
  • Vertrieb und Handel

Ihr Experte zum Thema Deep Learning

Dr.-Ing. Eric Veith, Senior Researcher, OFFIS — Institut für Informatik e. V., Oldenburg

Eric MSP Veith ist Senior Researcher am OFFIS — Institut für Informatik e.V. in Oldenburg, wo er in der Gruppe Power Systems Intelligence den Themenbereich Deep Learning inhaltlich verantwortet und an der Anwendung der Technologien auf das Smart Grid forscht. Er studierte Informatik mit Schwerpunkt Telekommunikation an der Fachhochschule Worms. Von 2011 bis 2017 promovierte er zum Dr.-Ing. an der TU Bergakademie Freiberg. Seine Dissertation mit dem Titel Universal „Smart Grid Agent for Distributed Power Generation Management“ beschäftigt sich mit einer dezentralen Steuerung des Stromnetzes zum effizienten Wirkleistungsmanagement. Wichtige Säule des Multiagentensystems seiner Arbeit ist die Vorhersage von Leistungseinspeisung bzw. -konsum mit Hilfe von künstlichen neuronalen Netzen. Seit 2011 ist er auch Dozent an der Wilhelm Büchner Hochschule, wo er in den Fächern verteilte Informationssysteme, Informationsverarbeitung und -technik, sowie künstliche Intelligenz lehrt und Studienhefte im Lehrbereich Computernetze verfasst hat.

Veranstaltung buchen

Veranstaltungsnummer : 06SE009

Big-Data & Deep Learning für die Energiewirtschaft

Düsseldorf,

NH Düsseldorf City*

Kölner Str. 186 - 188,
40227 Düsseldorf
+49 211/7811-0 zur Webseite

verfügbar

Nürnberg,

Congress Hotel Mercure Nürnberg an der Messe*

Münchener Str. 283,
90471 Nürnberg
+49 911/9465-0 zur Webseite

verfügbar

Raunheim bei Frankfurt,

NH Frankfurt Airport West*

Kelsterbacher Straße 19,
65479 Raunheim
+49 6142/990-0 zur Webseite

verfügbar

Hamburg,

Best Western Plus Hotel Böttcherhof*

Wöhlerstr. 2,
22113 Hamburg
+49 40/73187-0 zur Webseite

verfügbar

1.360,– € zzgl. 19% UmSt.

Profitieren Sie von unserem reservierten Zimmerkontingent am Veranstaltungsort. Bitte geben Sie bei der Hotelbuchung VDI Wissensforum als Referenz an.

Das könnte Sie interessieren...

Seminar
© iStock.com – MickeyCZ
Informations-, Kommunikations- und Geschäftsprozesse in der Energiewirtschaft

20.03. - 21.03.2019
Frankfurt am Main

Erfahren Sie in diesem VDI-Seminar mehr über aktuelle Trends und Hypes rund um IKT für die Energiewirtschaft. Jetzt informieren.

Informieren & Buchen

Seminar
© iStock.com – aislan13
Blockchain in der Energiewirtschaft
  • 24.10. - 25.10.2018 in Berlin
  • 12.02. - 13.02.2019 in Filderstadt bei Stuttgart
  • 25.06. - 26.06.2019 in Aschheim bei München
  • 15.10. - 16.10.2019 in Köln

Lernen Sie die Grundlagen der Blockchain-Technologie und inwiefern Sie diese in der Energiewirtschaft anwenden können. Verständlich aufbereitet. Infos hier.

Informieren & Buchen

Seminar
© iStock.com nullplus
Intelligente Messsysteme (iMsys)
  • 25.10. - 26.10.2018 in Karlsruhe
  • 20.02. - 21.02.2019 in Aschheim bei München
  • 04.06. - 05.06.2019 in Berlin
  • 07.10. - 08.10.2019 in Frankfurt am Main

Erfahren Sie in diesem VDI-Seminar, was Sie bei der Installation, Inbetriebnahme und Datenübermittlung von intelligenten Messsystemen beachten müssen. Mehr Informationen.

Informieren & Buchen

Veranstaltungsnummer : 06SE009

Big-Data & Deep Learning für die Energiewirtschaft



Profitieren Sie von unserem reservierten Zimmerkontingent am Veranstaltungsort. Bitte geben Sie bei der Hotelbuchung VDI Wissensforum als Referenz an.

weitere Hotelpartner: Hotel für Seminar bei HRS buchen

Haben Sie Fragen zur Veranstaltung?

Sie erreichen uns unter:

+49(0)2116214-201
+49(0)2116214-154
wissensforum@vdi.de

Kein passender Termin dabei?

Vermissen Sie etwas?

Fehlen Ihnen Informationen zu dieser Veranstaltung? Dann schreiben Sie uns eine Nachricht.

Nachricht schreiben