Veranstaltungsnummer: 01SE198
- Grundlagen des maschinellen Lernens (ML) auf unstrukturierten Daten verstehen
- Anwendungen von ML im Bereich der Testdatenanalyse kennenlernen
- Konkrete Algorithmik aus dem Bereich des Deep Learnings anhand von Programmiertutorials anwenden
Im Rahmen der Entwicklung technischer Systeme wird in umfangreichen Testverfahren die Funktionsweise der Systementwürfe untersucht. Dabei entstehen umfangreiche Messdaten, deren manuelle Untersuchung jedoch äußerst zeit- und kostenintensiv ist. Mithilfe maschineller Lernverfahren (Machine Learning) lassen sich diese Auswertungen signifikant vereinfachen.
Ziel unseres VDI-Seminars ist die Vermittlung von Grundlagen zur Anwendung von maschinellen Lernverfahren in der Testdatenanalyse. Dabei stehen Deep-Learning-Verfahren zur Verarbeitung von akustischen Daten, Zeitreihen und Bildern im Fokus. Betrachtete Beispielanwendungen betreffen die automatisierte Bewertung, assistierte Ursachenanalyse und intelligente Testplanung.
Die vorgestellten Methoden werden in kleinen Programmiertutorials in der Sprache Python erlebbar gemacht und vertieft. Dabei werden auch konkrete Best Practices für die Verwendung von aktuellen Softwarewerkzeugen zur Datenverwaltung, ML-Algorithmik und zur Datenvisualisierung aufgezeigt. So können die behandelten Inhalte direkt im konkreten Alltag angewendet werden.
Du solltest über Grundkenntnisse in Python verfügen.
Top-Themen
- Grundlagen des maschinellen Lernens (ML) auf unstrukturierten Daten verstehen
- Anwendungen von ML im Bereich der Testdatenanalyse kennenlernen
- Konkrete Algorithmik aus dem Bereich des Deep Learnings anhand von Programmiertutorials anwenden
- Aktuelle Softwarewerkzeuge zur Datenverwaltung, Modellierung und Datenvisualisierung kennen- und anwenden lernen
- Best Practices für die erfolgreiche Anwendung von ML in eigenen Workflows zur Testdatenanalyse kennenlernen
Programm
Diese Inhalte erwarten dich in unserem Seminar zu maschinellen Lernverfahren in der Testdatenanalyse:
1. Tag 09:00 bis 17:00 Uhr
2. Tag 08:30 bis ca. 16:30 Uhr
Methodische Grundlagen des Deep Learnings
Einführung in grundlegende Konzepte
- Grundlagen des maschinellen Lernens (Machine Learning)
- Abgrenzung zu anderen KI-Methoden
- Impulsvortrag über beispielhafte Anwendungen in der Testdatenanalyse
Überwachtes Lernen mit Convolutional Neural Networks (CNN)
- Geschichte und Grundlagen der Convolutional Neural Networks (CNN)
- Datenzentrische Entwicklung von ML-Modellen
- Qualitatives Modellverständnis
- Automatisiertes Finden von Annotationsfehlern
- Clusteranalyse
Selbst-überwachtes Lernen mit Transformern
- Methodische Grundlagen der Transformer-Architektur
- Datenzentrische Entwicklung von ML-Modellen
- Strategien zum aktiven Lernen
- Erklärbarkeit von Transformer-Modellen
- Nutzung synthetischer Daten
Anwendungen und Best Practices für die Testdatenanalyse
Explorative Datenanalyse (EDA)
- Einführung in die Datenvisualisierung mit Python-Notebooks
- Best Practices zur Entwicklung von Python-basiertem Tooling für die Testdatenanalyse
Identifikation von Ausreißern und kritischen Datensegmenten
- Best Practices für die datenzentrische Analyse unstrukturierter Daten mittels Deep Learning
- Automatisierte Clusteranalyse mit Python
Erklärbare ML-Modelle in der Testdatenanalyse
- Einführung in die Datenanalyse mittels erklärbarer KI
- Vorstellung von Pythonbibliotheken für erklärbare KI
Zusammenfassung und Abschlussdiskussion
Seminarmethoden
Die Weiterbildung ist interaktiv angelegt. Es beinhaltet Inputs des Trainers sowie eine Vielzahl von praktischen Hands-on-Tutorials. Ein Notebook mit Internetzugang ist zwingend, jedoch ist keine Installation zusätzlicher Software erforderlich. Teilnehmende können, wenn gewünscht, in ihrer eigenen Python-Umgebung arbeiten.
Zielgruppe
Das Seminar wendet sich an Testingenieur*innen und Projektmanager*innen mit Interesse an maschinellen Lernverfahren und Python-basierter Programmierung, die bereits über Grundkenntnisse in Python verfügen.
Dein Experte für maschinelle Lernverfahren in der Testdatenanalyse:
Dr. Stefan Suwelack, CEO, Renumics GmbH, Karlsruhe
Stefan Suwelack studierte an der TU Darmstadt und der Heriot-Watt University in Edinburgh und promovierte am Karlsruher Institut für Technologie (KIT) zum Thema „Real-time biomechanical modeling for intraoperative soft tissue registration“. Von 2008 bis 2016 arbeitete er als wissenschaftlicher Mitarbeiter am Institut für Anthropomatik und Robotik im Bereich der numerischen Simulation und der maschinellen Lernverfahren am KIT. Er ist Co-Founder der 2016 gegründeten Firma Renumics und dort als CEO tätig.
Veranstaltung buchen
Weitere Hotelpartner :
