Beschreibung
Machine Learning und Deep Learning im Unternehmen - Intensiv
Zielgruppe: Nur für Unternehmen und Institutionen.Wenn von maschinellem Lernen (ML) und Deep Learning (DL) die Rede ist, so denkt man zunächst an selbstfahrende Autos, digitale Assistenz-Systeme und Chatbots. Maschinelles Lernen und Deep Learning können jedoch auch in vielen Bereichen eines Unternehmens eingesetzt werden, um Prozesse und Arbeitsabläufe zu optimieren, von Marketing und Werbung bis hin zu Kundensupport, Wartung und Produktion.
Eine gängige Anwendung ist die Klassifizierung von Kunden-Support-Tickets, indem Supportanfragen automatisch in verschiedene Kategorien eingeteilt werden, z. B. nach Thema, Abteilung, Dringlichkeit oder Sprache, so dass auf diese Weise Tickets an das richtige Team oder die richtige Abteilung weitergeleitet werden.
Um Fehler in Produkten frühzeitig zu erkennen, kann Machine Learning in die Produktionslinien integriert werden und prüfen, ob diese den Qualitätsstandards entsprechen. Da Fehler häufig visuell erkennbar sind, können Computer-Vision-Technologien Abweichungen von den erwarteten Ergebnissen erkennen.
Das Maschinelle Lernen ermöglicht es Computern, Probleme zu lösen, die noch vor wenigen Jahren unlösbar waren. Maschinelles Lernen ist im gewissen Sinne revolutionär, weil es eine Alternative zur algorithmischen Problemlösung darstellt. Wir wollen dennoch die zugrundeliegenden Algorithmen „entmystifizieren“ und konkret zeigen, was diese Lösungen heute schon können und in welchen Bereichen der Unternehmen sie gewinnbringend eingesetzt werden können. Dazu entwickeln wir im Kurs Anwendungen aus den Bereichen Marketing, Sales, Qualitätskontrolle, Produktion und Asset-Management. Desweiteren erstellen wir Projekte aus dem Gesundheits- und Versicherungswesen. Die Learnings lassen sich auch auf weitere Bereiche und Marktsegmente übertragen.
In diesem Seminar wird ein Google Colab Account vorausgesetzt, den Sie sich hier erstellen können: Willkommen bei Colaboratory - Colaboratory (google.com)
Kommende Starttermine
Inhalte / Module
- Algorithmen zum überwachten Lernen
- Lineare Modelle, k-nächste Nachbarn, Entscheidungsbäume
- Support Vector Machines mit Kernel
- Unüberwachtes Lernen und Vorverarbeitung
- Clusteranalyse, DBSCN, Logistische Regression, Naive Bayes
- Dimensionsreduktion, Hauptkomponentenzerlegung (PCA)
- Repräsentation von Daten und Merkmalsgenerierung
- Evaluierung und Verbesserung von Modellen
- Kreuzvalidierung, Gittersuche, Evaluations-Metriken
- Verkettete Algorithmen und Pipelines
- Verarbeitung von Textdaten (Natural Language Processing)
- Neuronale Netze
- DNN, CNN, RNN, GRU, LSTM, Autoencoder, Transformer
- Transfer Learning
- Objekterkennung (Yolo), Bild-Segmentierung
- Spezielle Netzwerke: U-Net, ResUnet
- Autoencoder, VAE, GANs, Siamesische Netzwerke
- Konkrete im Kurs umgesetzte Projekte mit Python aus verschiedenen Industrien und Betriebsfunktionen
- Marketing
- Kundensegmentierung (k-Means, Autoencoder, PCA)
- Empfehlungssysteme (Neuronale Netze)
- Gesundheitswesen
- Diagnose von Krankheiten anhand von Symptomen oder Röntgenaufnahmen (Neuronale Netze)
- Tumorerkennung und -lokalisierung (Bild-Segmentierung, U-Net bzw. ResNet)
- Sales
- Bedarfs- bzw. Umsatzprognose (univariate, multivariate) (LSTM, GRU, Transformer)
- Pflanzenschutz
- Erkennung von Pflanzenkrankheiten (Bild-Segmentierung durch U-Net)
- Zugangskontrolle
- Gesichtserkennung (Siamesisches Netzwerk bzw. VggFace)
- Produktion
:
- Ausreißer-Erkennung (Autoencoder, PyOD)
- Anomalien bei der Qualitätskontrolle (Bild-Segmentierung mit ResNet)
- Anomalien bei Kurvenläufen (z.B. Druck- der Temperaturverläufen) (Autoencoder)
- Automatisches Erkennen bzw. Zählen von Objekten (z.B. Artikel, Paletten, Personen...)
- Prädiktive Wartung
- Anomalie-Erkennung bei Zeitreihen (Autoencoder, PyCaret)
- Vorbeugende Wartung am Beispiel eines Turbinentriebwerks (LSTM)
- Versicherungswesen
- Automatische Schadenserkennung (Bild-Segmentierung mit Res-Net, Annotation)
- Marketing
- Weitere im Training erstellte Anwendungen
- Textzusammenfassungen (Transformer, BERT)
- Extraktion benannter Entitäten aus Dokumenten (Transformer, BERT)
- Klassifizierung von E-Mails (LSTM, BERT)
- Erkennung und Entziffern von Nummernschildern (Yolov7)
- Auswertung von Drohnenaufnahmen (Bildsegmentierung, U-Net)
Zielgruppe / Voraussetzungen
Hinweis: Dieser Kurs richtet sich an Mitarbeitende aus Unternehmen und Institutionen.
Für Privatpersonen ist dieser Kurs leider nicht geeignet.
Bitte beachten Sie: Bildungsgutscheine der Agentur für Arbeit werden für diesen Kurs NICHT anerkannt.
Abschlussqualifikation / Zertifikat
Infos anfordern
GFU Cyrus AG
Erweitern Sie Ihre IT-Skills mit einem offenen IT-Training oder ganz nach Ihren Bedürfnissen durch eine individuelle IT-Schulung. Programmiersprachen (C#, Python, Java, …), Microsoft Office 365, Anforderungsmanagement, Projektmanagement, Business Intelligence, Data Science, Künstliche Intelligenz, IT-Sicherheit , Administration & Datenbanken, Softwareentwicklung, Testmanagement...
Erfahren Sie mehr über GFU Cyrus AG und weitere Kurse des Anbieters.
Bewertungen von Teilnehmern
Bewertungsdurchschnitt: 4,7
Sehr breites Themenfeld; war ein guter Einstieg in den Bereich
Man benötigt aber definitiv mehr Wissen / Erfahrung um sinnvoll mit den vorgestellten Technologien arbeiten zu kön...
War das was ich mir erhofft hatte
Mich persönlich hat es sehr weitergebracht, weil ich kaum Vorkenntnisse hatte und das komplexe Thema gut erklärt wurde. Durch die Zwischenfragen war man "gezwungen" am Ball zu b...