BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//DATIpilot ReGaP - ECPv6.14.2//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://regap.de
X-WR-CALDESC:Veranstaltungen für DATIpilot ReGaP
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:Europe/Berlin
BEGIN:DAYLIGHT
TZOFFSETFROM:+0100
TZOFFSETTO:+0200
TZNAME:CEST
DTSTART:20250330T010000
END:DAYLIGHT
BEGIN:STANDARD
TZOFFSETFROM:+0200
TZOFFSETTO:+0100
TZNAME:CET
DTSTART:20251026T010000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=Europe/Berlin:20250205T150000
DTEND;TZID=Europe/Berlin:20250205T160000
DTSTAMP:20260419T001507
CREATED:20250121T140046Z
LAST-MODIFIED:20250127T121142Z
UID:871-1738767600-1738771200@regap.de
SUMMARY:DAISEC: Deep Dive into Deep Learning – Modul 1: Technische Implikationen\, Anwendungsbeispiele\, Theorie
DESCRIPTION:Dies ist eine Partnerveranstaltung des DAISEC Digital Innovation Hub: \nKünstliche Intelligenz ist aus unserem Alltag nicht mehr wegzudenken. Angefangen bei der automatischen Erkennung von Verkehrsschildern\, beim Autofahren\, über das Einschalten von Geräten mittels Sprachsteuerung bis hin zum Entsperren unserer Smartphones mit Gesichtserkennung – KI hat sich fest in unserem Leben etabliert. Auch in der Automobilindustrie und besonders im Kontext des autonomen Fahrens werden KI-Algorithmen zunehmend bedeutsam. \nDoch wie ist es überhaupt möglich\, einer leblosen Maschine solche Fähigkeiten beizubringen? Mit den klassischen Programmierparadigmen wie if-then-else-Anweisungen oder Schleifen stößt man dabei schnell an Grenzen. Hier kommen KI-Algorithmen ins Spiel. \n\nUnser Angebot\nIn unseren drei Webinaren erlangen Sie grundlegende Kenntnisse im Bereich der neuronalen Netze\, insbesondere im Deep Learning. Die einzelnen Module können Sie flexibel wählen\, sodass Sie sie passend zu Ihrem Zeitplan besuchen können. \nZusätzlich können Sie in mehreren Praxis-Modulen Ihr Wissen aus den Webinaren anwenden. Hier lernen Sie\, eigenständig erste KI-Anwendungen zu programmieren. Zugang zu den Praxis-Modulen erhalten Sie nach der Registrierung für ein Theorie-Modul. \n\nLerninhalte Modul 1: Technische Implikationen\, Anwendungsbeispiele\, Theorie-Modul\nIn diesem Modul betrachten wir künstliche neuronale Netze (KNN) zunächst aus einer übergeordneten Perspektive\, ohne auf die Details ihrer Funktionsweise einzugehen. Wir sehen sie als eine ‚Black Box‘\, in die Daten hineingehen und aus der Ergebnisse herauskommen. Sie lernen\, wie diese Daten aussehen müssen\, wie Sie KNN mit Daten trainieren und welche Aufgaben Sie mit KKN automatisieren können. Dies reicht beispielsweise von der Qualitätskontrolle gefertigter Teile über die Detektion von Cyberangriffen bis hin zum autonomen Fahren. \nNach Absolvieren dieses Moduls wissen Sie grundlegend\, welche Voraussetzungen für das Training von KNN notwendig sind und auf was Sie dabei achten müssen. \n\nIhre Vorteile\n– Sie lernen grundlegende Methoden des Maschinellen Lernens und verstehen deren Funktionsweise\n– Sie erlernen Programmierkenntnisse in Python und lernen High-Level-Machine-Learning-Bibliotheken kennen: SciKit-Learn\, PyTorch und Tensorflow\n– Sie lernen eigenständig KI-Modelle zu trainieren und anzuwenden\n– Sie lernen die bekanntesten Benchmark Datensätze kennen und wissen\, wie Sie diese nutzen können\n– Sie lernen KI-Modelle zu evaluieren und zu vergleichen\n– Sie lernen verschiedene Netzwerkarchitekturen und Aufgabentypen kennen \n\nZielgruppe und Vorkenntnisse\n– Fach- und Führungskräfte aus den Bereichen Mobilität und Produktion\n– Einsteiger/-innen im Bereich der Entwicklung von KI-Modellen \nMathematische Kenntnisse im Bereich Vektoren/Matrizen sowie weiterführende Programmiererfahrung sind für die Praxis-Module notwendig. \n\nGebühren\nDiese Veranstaltungsreihe ist kostenfrei.
URL:https://regap.de/veranstaltungen/871/
LOCATION:Online
CATEGORIES:DAISEC
END:VEVENT
END:VCALENDAR