Webinar Maschinelles Lernen:
Grundlagen und Anwendungen im fertigenden Gewerbe / Industrie 4.0

Aufgrund der aktuellen Corona-Krise bieten wir unsere Schulung „Einführung in Deep Learning im fertigenden Gewerbe“ auch als Webinar an. Lernen Sie sicher und komfortabel von zu Hause. Da es erfahrungsgemäß schwer fällt, die Aufmerksamkeit online über einen vollen Schulungstag aufrecht zu erhalten und Reisezeiten entfallen, strecken wir die Schulung als Webinar auf 5 Vormittage. Ihnen bleibt der Nachmittag wahlweise für selbstständiges Üben oder für Ihr Tagesgeschäft.

ÜBERSICHT

Das Thema Maschinelles Lernen, insbesondere Deep Learning mittels tiefer neuronaler Netze, hat zunehmende Bedeutung für das fertigende Gewerbe. Im Rahmen dieser Schulung geben wir eine fundierte und praxisnahe Einführung in die Verarbeitung sensornaher Daten, z.B. Bilddaten, aus der Produktionsüberwachung. Sie lernen Konzeption, Vorbereitung und Durchführung von Deep Learning Projekten anhand praktischer Beispiele aus der Defekterkennung und Qualitätsüberwachung in der Automobilbranche, der Elektronikfertigung und der Metallverarbeitung. Wir behandeln sowohl die Verarbeitung von Bilddaten mittels Faltungsbasierter Neuronaler Netze (Convolutional Neural Network) als auch die Kodierung und Verarbeitung tabellarischer Daten.

 

Sie lernen Möglichkeiten und Probleme einzuschätzen um die gelernten Techniken auf eigene Probleme zu übertragen.

PROGRAMM

Tag 1 9:00-13:00

  • Begrüßung
  • Grundlagen der verwendeten Software: Python, Jupyter Notebooks und Pytorch
    dazwischen: Kaffeepause

 

Tag 2 9:00-13:00

  • Einführung: Deep Learning als Methode des Maschinellen Lernens
  • Deep Learning mit Convolutional Neural Networks
  • Übung 1: Einwicklung eines Convolutional Neural Networks (CNN) zur Klassifikation von Bilddaten
    dazwischen: Kaffeepause

Tag 3 9:00-13:00

  • Von der industriellen Fertigung zum Deep Learning: Anwendungen und Beispiele
  • Encoder-Decoder Architekturen
  • Fortgeschrittene Techniken: Regularisierung, Transfer Learning, Finetuning
  • Übung 2: Einwicklung eines Convolutional Neural Networks (CNN) zur Segmentierung von Bilddaten
    dazwischen: Kaffeepause

Tag 4 9:00-13:00

  • Deep Learning mit Fully Connected Networks: Kodierung und Verarbeitung tabellarischer Daten
  • Übung 3: Entwicklung eines Fully Connected Neural Networks (FCNN) zur Klassifikation tabellarischer Daten
    dazwischen: Kaffeepause

Tag 5 9:00-13:00

  • Aspekte des Projektmanagements: Planung, Datenbeschaffung, Einbettung in Entwicklungsaktivitäten
  • Manuelle Erzeugung von Trainingsdaten
  • Synthetische Erzeugung von Trainingsdaten
    dazwischen: Kaffeepause

LEISTUNGSUMFANG & TEILNAHMEGEBÜHREN

Unsere Leistungen beinhalten die Durchführung der Schulung, gedruckte Schulungsunterlagen sowie den Zugriff auf eine persönliche Instanz eines vorkonfigurierten Deep Learning Servers während der gesamten Schulung, einschließlich der Nachmittage. Den Inhalt Ihrer Instanz einschließlich aller Trainingsdaten bekommen sie am Schulungsende auf Wunsch zur Verfügung gestellt, so dass Sie nach Ende der Schulung weiter üben können. Die Schulung ist auf 12 Teilnehmer begrenzt.

Die Gebühr beträgt 1.650,00 € netto pro Teilnehmer zuzüglich Umsatzsteuer. Es gilt der Umsatzsteuersatz des Leistungsdatums, bei Schulungen von Juli bis Dezember 2020 also 16 %, ansonsten 19 %.

VORAUSSETZUNGEN

Zur erfolgreichen Teilnahme an der Schulung setzen wir grundlegende Programmierkenntnisse in z.B. Python oder Matlab voraus. Die Vorkenntnisse umfassen unter anderem: Variablen und zugehörige arithmetische Operationen, Funktionen, Fallunterscheidungen, Kontrollstrukturen). Weiterhin sind Mathematik Grundkenntnisse hilfreich. Beispielsweise sollten Sie eine Vorstellung zu den Stichworten Vektor, lineare Abhängigkeit, Gradient und Nichtlinearität haben.

INHALTE

  • Grundlagen und Anwendungsmöglichkeiten Neuronaler Netze
  • Verarbeitung von Bilddaten mittels faltungsbasierter Netze
  • Kodierung und Verarbeitung tabellarischer Daten
  • Praktische Aspekte für das Trainieren neuronaler Netze: Optimizer, Loss-Funktionen, Techniken der Regularisierung
  • Qualitätssicherung im Maschinellen Lernen, korrekte Überprüfung der Generalisierung, Vorgehen im Problemfall
  • Spezifische Aspekte des Projektmanagements und der Datenbeschaffung

DOZENT

Dr.-Ing. Tim Dahmen

TEILNAHME

  • Die Anmeldung erfolgt über unser Kontaktformular. Bitte geben Sie den Kurs an, für den Sie sich interessieren und eine Möglichkeit, wie wir Sie kontaktieren können.
  • Preis 1650 € netto.

ANMELDUNG

Jetzt anmelden