Seminare

Das Seminar bietet Ihnen einen Einstieg in die Welt des maschinellen Lernens. Ziel ist es, die wichtigsten Begriffe, wie Supervised und Unsupervised Learn­ing, einzuordnen sowie einen Überblick zu gewinnen, welche ML-Algorithmen typischerweise für Regressions- oder Klassifikationsprobleme eingesetzt werden. Ein Ausblick auf Deep Learning rundet den theoretischen Überblick ab.

In der Schulung lernen Sie aktuelle Verfahren des maschinellen Lernens und tiefe Lernverfahren kennen und vertiefen sie in einem Einsatzbereich. Nach einer erfolgreichen Teilnahme an diesem Kurs, eines Vertiefungsmoduls sowie einer bestandenen Prüfung erhalten Sie durch die Fraunhofer-Personenzertifizierungsstelle das Zertifikat »Data Scientist Specialized Machine Learning«.

Die Forschung und Entwicklung im Bereich Deep Learning entwickelt sich rasant: was letztes Jahr »state of the art« war, kann heute schon überholt sein. Um so wichtiger ist es für Entwickler und Entscheider aus der industriellen Praxis, nahe an der aktuellen Forschung zu bleiben. Die weltweit führenden Deep Learning Experten treffen sich jedes Jahr zur »Annual Conference on Neural Information Processing Systems (NIPS)«. Direkt im Anschluss an die diesjährige NIPS bereitet dieses Seminar die wesentlichen Neuerungen und sich abzeichnende Trends in kompakter Form auf und vermittelt die praxisrelevanten Entwicklungen in einem intensiven Seminar.

Bei der Entwicklung mechanisch beanspruchter Systeme spielen die im Feld auftretenden dynamischen Lasten eine zentrale Rolle. Für eine Auslegung im Hinblick auf funktionale Eigenschaften wie Festigkeit und Schwingungsverhalten ist ein gutes Verständnis der Betriebslasten entscheidend.

Bei der Auslegung und Beurteilung mechanisch beanspruchter Bauteile hinsichtlich ihrer Betriebsfestigkeit spielen statistische Methoden eine zentrale Rolle. Dies beginnt mit der Festlegung der Bemessungsgrundlagen. Schließlich muss man die Versuche zum Nachweis der Festigkeit mit statistisch abgesicherten Verfahren auswerten. Dies gilt für vergleichsweise einfache Bauteilversuche ebenso wie für sehr teure und lang laufende Ganzfahrzeugversuche. Die optimale Planung solcher Versuche ist ein entscheidender Punkt.