Seminar

Machine Learning und Künstliche Intelligenz – Kompaktwissen für Fach- und Führungskräfte

Veranstaltungsnummer: 02SE376

Mit Teilnahmebescheinigung

  • Einordnung analytischer Begriffe und Konzepte rund um Machine Learning und Künstliche Intelligenz
  • Was kann Künstliche Intelligenz heute schon und was nicht?
  • Wie funktioniert das Lernen bei Machine Learning?
Mehr Top-Themen entdecken

Kommende Termine:

11. – 12. September 2024
Online
de

Verfügbar

13. – 14. März 2025
Raunheim
de

Verfügbar

Alle Termine und Optionen ansehen
Inhouse buchbar
Jetzt anfragen

Machine Learning und Künstliche Intelligenz werden in den Medien mit fast magischen Beispielen beschrieben: Spracherkennung, Bilderkennung und Großmeister schlagende Brettspielcomputer. Auf der anderen Seite gibt es erste Berichte von Projekten, die zwar viel Geld verschlungen aber keine Umsetzung in den operativen Betrieb gefunden haben.

 

Für Manager stellt sich nun die Frage, wie ML- und KI-Projekte erfolgreich aufgesetzt werden können, so dass sie nicht nur in der Proof-of-Concept Phase verbleiben, sondern produktiv in Prozesse oder Produkte eingebunden werden können. Ziel des Seminars ist es, Managern, Leitern, Projektmanagern und Initiatoren von digitalen Transformationsprojekten einen Blick „unter die Motorhaube“ von Machine Learning zu geben.

Im Hands-on Seminar werden unterschiedlichste Fachbegriffe erläutert und eingeordnet sowie verschiedene Machine Learning Konzepte vermittelt. Es werden Best-Practices aus vielen analytischen Projekten vorgestellt, um analytische Projekte bzgl. Inhalt, Ziel und Dauer besser einschätzen zu können. Außerdem werden einschlägige Erfahrungen bei der Initiierung, Umsetzung und beim Betrieb vermittelt. Nach dem Machine Learning Workshop besitzen Sie das Know-how, um analytische Projekte fundierter begleiten zu können.

Top-Themen

  • Einordnung analytischer Begriffe und Konzepte rund um Machine Learning und Künstliche Intelligenz
  • Was kann Künstliche Intelligenz heute schon und was nicht?
  • Wie funktioniert das Lernen bei Machine Learning?
  • How-to‘s und How-not-to’s rund um analytische Projekte
  • Anwendungen von KünstIicher Intelligenz und Machine Learning
  • Voraussetzungen für datengetriebenes Handeln

Ablauf des Hands-on Seminars "Machine Learning und Künstliche Intelligenz"

Erfahren Sie im Machine Learning Workshop mehr zu folgenden Themen:

1. Tag 09:00 bis 17:30 Uhr

2. Tag 08:30 bis 16:30 Uhr

Einordnung von Künstlicher Intelligenz und Machine Learning

  • Was geht heute schon? Was ist noch Science-Fiction?
  • Erfolgs-Stories
  • Misserfolge

Anwendungen von Künstlicher Intelligenz und Machine Learning

  • Was für Probleme kann man lösen?
  • Machine Learning Methoden
  • Komplexitätsstufen von Machine Learning

Machine Learning Deep Dive – immer die gleichen Schritte

  • Was sind die Schritte in einem Machine Learning Projekt?
  • Keine Fehler sind auch nicht gut
  • Wie wird die Güte einer Lösung ermittelt?

Demystifizierung von Künstlicher Intelligenz

  • Begriffsklärung: Machine Learning, Künstliche Intelligenz, Adaptivität
  • Ganz einfach: Wie lernt die Maschine?
  • Lernende Algorithmen in produktiven Systemen

Von der Idee zum operativen Einsatz

  • Konkrete Use-Cases entwickeln und bewerten
  • MVP und Validierung
  • Umsetzung und operative Bereitstellung

Praxis I (Use-Cases finden)

  • Use-Cases aus dem Erfahrungsbereich des Teilnehmerkreises
  • Ideen generieren
  • Ideen Clustern, bewerten und Erstellen einer Umsetzungs-
    Roadmap

Praxis II (Use-Cases konkretisieren)

  • Ausgewählte Use-Cases aus dem Teilnehmerkreis konkretisieren
  • Use-Cases Idee schrittweise in eine analytische Fragestellung überführen
  • Ableiten von Vorbedingungen und der Machbarkeit↓

Voraussetzungen für datengetriebenes Handeln

  • Gute Daten
  • Das Mindset muss stimmen
  • Viele Daten aber kein Big-Data

Organisation

  • Wie setzt sich ein gutes Team zusammen?
  • Wie erkenne ich einen Fortschritt?
  • Wann sollte ein Projekt gestoppt werden?

Fallen

  • Die Werkzeugkisten-Falle
  • Die Hype-Falle

Seminarmethoden

Bestimmte Seminarinhalte werden durch Seminarteilnehmer erarbeitet, um den Bezug zum eigenen Geschäft herzustellen.

Theoretische Inhalte werden anhand vieler Praxisbeispiele verdeutlicht.

Zielgruppe

  • Technische Fach- und Führungskräfte aus allen Bereichen der Industrie und Wirtschaft
  • Manager, Projektleiter sowie Initiatoren und Begleiter von digitalen Transformationsprojekte

Ihr Referent für das Seminar "Machine Learning und Künstliche Intelligenz":

Dr. Peter Karcher, EnBW Energie Baden-Württemberg AG, Karlsruhe

Herr Karcher ist Chief Data Scientist bei SANDY Energized Analytics und Lead Data Scientist im EnBW DataLab sowie als Freiberufler tätig. Als Diplom Informatiker (TU Braunschweig) mit Master Abschlüssen in Mathematical Sciences (USA, University of Montana in Missoula) und Statistics (USA, Universtiy of California in Santa Barbara) sowie einem PHD in Statistics (USA, Universtiy of California in Santa Barbara) ist er kein Data-Science Quereinsteiger, sondern hat die ganze Breite und Tiefe in Bezug auf Machine Learning, Künstlicher Intelligenz, statistischer Modellierung sowie dem Aufbau von operativen Infrastrukturen von Grund auf gelernt. Dazu kommen 18 Jahre Berufserfahrung in den Bereichen der Biotechnologie & Pharma, E-Commerce und Energie.

Veranstaltung buchen

Veranstaltungsnummer: 02SE376

Machine Learning und Künstliche Intelligenz – Kompaktwissen für Fach- und Führungskräfte

online **

de

Verfügbar

Infos zum Veranstaltungsort


Deutschland

+49 211/6214-201

Raunheim, NH Frankfurt Airport West **

de

Verfügbar

Infos zum Veranstaltungsort

Kelsterbacher Straße 19
65479 Raunheim
Deutschland

+49 6142/990-0 zur Website
* Vorläufiger Preis, es kann zu Abweichungen in der USt. kommen - den endgültigen Preis finden Sie in Ihrer Bestellübersicht.
** Profitieren Sie bei unseren Präsenzveranstaltungen von unserem reservierten Zimmerkontingent am Veranstaltungsort. Bitte geben Sie bei der Hotelbuchung VDI Wissensforum als Referenz an.

Weitere Hotelpartner :

HRS