Machine Learning und Deep Learning im Unternehmen - Intensiv

Kursüberblick

Das Themenspektrum des Workshops deckt die wichtigsten Anwendungen des Maschinellen Lernens ab, kombiniert mit realistischen Anwendungsfällen und Datensätzen. Sie lernen folgende Konzepte kennen: 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) 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)

Nächste Termine

• 2026-11-15T23:00:00.000Z · 2026-11-19T23:00:00.000Z · Köln · Seminar
• 2026-11-15T23:00:00.000Z · 2026-11-19T23:00:00.000Z · Online-Seminar
• 2027-02-14T23:00:00.000Z · 2027-02-18T23:00:00.000Z · Online-Seminar
• 2027-02-14T23:00:00.000Z · 2027-02-18T23:00:00.000Z · Köln · Seminar