Schulungssuche

Das Seminar bietet einen Überblick über den Stand der Technik an der Schnittstelle zwischen funktionaler Sicherheit (Safety) und Künstlicher Intelligenz inklusive relevanter Normen und Normungsinitiativen, zudem schafft es Bewusstsein für die Herausforderungen beim Einsatz von KI in sicherheitskritischen Lösungen, indem typische Problemstellungen aus diesem Spannungsfeld aufgezeigt werden. Teilnehmer*innen lernen mögliche Strategien für den sicheren Einsatz von KI-Lösungen kennen und erproben eine Auswahl von Ansätzen, die ihnen dabei helfen, konkrete Herausforderungen zu adressieren und maßgeschneiderte Safety-Konzepte abzuleiten. Die online durchgeführte Schulung beinhaltet einen hohen Anteil an Übungen und Interaktion, um die Inhalte praxisnah zu vermitteln und den Transfer in den beruflichen Alltag zu erleichtern. Als zertifizierter »Data Scientist Specialized in Assuring Safety« wissen Sie über das Gefahren- und Innovationspotential von KI-Anwendungen im sicherheitskritischen Umfeld besitzen einen Überblick über die Grundlagen des Safety Engineerings kennt maßgebliche KI-Grundlagen aus dem Blickwickel Safety können Nutzen und Verbindlichkeit von Safety und KI-Standards einordnen kennen eine Auswahl möglicher Strategien und Maßnahmen für sichere KI können Assurance Cases, als mögliche Argumentationsgrundlage für KI-bezogene Sicherheitsnachweise, exemplarisch anwenden

Diese Schulung richtet sich an Teilnehmende aus Management und Fachbereichen, die einen kompakten Einstieg in das Themenfeld Künstliche Intelligenz erhalten wollen, um im Austausch mit KI-Experten und Data Scientists »sprechfähig« zu werden. Was sind die Schlüsselbegriffe und Technologien hinter KI? Wie hängen KI, Maschinelles Lernen und Deep Learning zusammen und warum feiert KI gerade jetzt Durchbrüche? Welche Implikationen hat der Paradigmenwechsel von programmierter Logik hin zu lernenden KI-Systemen? Was macht einen guten KI-Anwendungsfall aus und welche Voraussetzungen braucht es für einen wirtschaftlichen Erfolg? Wie setzt man eine KI-Lösung methodisch und technisch um? Die vermittelten Konzepte werden mit einer Vielzahl von Fallbeispielen aus realen Anwendungen und Projekten illustriert. Abgerundet wird das Modul durch interaktive Übungen zur Rekapitulation der Kerninhalte sowie einem ersten Blick in die Welt des Deep Learning.

Die fortschreitende Entwicklung von KI hat die Art und Weise, wie wir Informationen verarbeiten, revolutioniert. GPT (kurz für: Generative Pre-trained Transformer) steht im Zentrum dieser Revolution und hat das Potenzial, Texte zu generieren, zu übersetzen, zusammenzufassen und vieles mehr. Damit können neue Produkte und Geschäftsmodelle sowie unternehmenseigene Prozesse effizienter gestaltet werden, um den täglichen Aufgaben des Alltags, wie z.B. E-Mails verfassen oder Protokolle zu führen, zielgerichtet und erfolgreich zu begegnen. Diese Schulung richtet sich an Teilnehmende aus Management und sämtlichen Fachbereichen, die einen kompakten Einstieg in das Thema GPT, Prompting und generell große Sprachmodelle erhalten möchten. In diesem Format erhalten Sie nicht nur das notwendige Hintergrundwissen zu generativer KI und dem Zusammenhang zu künstlichen neuronalen Netzen, sondern können gelernte Inhalte bereits am Schulungstag selbständig anwenden, um die Vorzüge von GPT-basierten Modellen für sich selbst entdecken und nutzen zu können. Entsprechend ist die Schulung in einen theoretischen und in einen praktischen Part unterteilt. Im theoretischen Block können Sie sich die notwendigen Informationen in einem E-Learning in Ihrer eigenen Geschwindigkeit aneignen. Die gelernten Inhalte werden dann unter Aufsicht einer unserer KI-Experten/Data Scientists angewendet und ins aktive Prompting überführt.

Sie lernen aktuelle Verfahren des maschinellen Lernens und des Deep Learnings kennen. Ausgehend von den Grundprinzipien des maschinellen Lernens wird die Repräsentation von Bedeutungen durch Einbettungsvektoren vorgestellt. Mit Hilfe von Self-Attention können extrem leistungsfähige kontextabhängige Einbettungen konstruiert werden, die für vielfältige Aufgaben eingesetzt werden können. Sie erhalten einen umfassenden Deep Dive in die Funktionsweise von generativen Sprachmodellen (z.B. ChatGPT) und daraus abgeleiteten Modellen zur Bilderzeugung (z.B. DALL-E). Ergänzend werden verwandte state-of-the-art Modelle zur Zeitreihenanalyse und Robotersteuerung vorgestellt.

Hier lernen Fachleute mit Grundkenntnissen im Bereich Statistik und erster Programmiererfahrung wesentliche Grundlagen der modernen Datenanalyse kennen. Für die praktischen Übungen kommt die freie Software »KNIME« zum Einsatz. Die weitergehenden Möglichkeiten der statistischen Programmiersprache »Python« werden ebenfalls vorgestellt und eingeübt. Nach der Schulung sind Sie in der Lage, erste eigene Analysefragestellungen zu bearbeiten und den Nutzen von maschinellen Lernverfahren zu bewerten.

Die zweitägige Schulung Kompakteinstieg »Maschinelles Lernen in der Produktion« soll Ihnen einen Überblick über Anwendungsmöglichkeiten, Projektphasen von der Datenaufnahme bis zur Modellierung sowie die Zusammenarbeit innerhalb eines Projekts geben. Im Rahmen eines Mini-Workshops können abschließend die ersten Grundlagen für Ihre Use Cases entwickelt werden. Nach Abschluss der Schulung erhalten Sie eine Teilnahmebescheinigung.

Die Sicherheit von Fahrzeugfunktionen hat mittlerweile einen hohen Stellenwert in den etablierten Entwicklungsprozessen der Automobilindustrie eingenommen. Speziell der Einsatz von KI in sicherheitskritischen Anwendungen ist jedoch mit vielen Herausforderungen verbunden. Die in klassischen Systemen etablierte Vorgehensweise zum Aufbau einer Sicherheitsargumentation ist nicht unmittelbar übertragbar. Das Kompaktseminar vermittelt einen Einstieg in die Problematik und gibt einen Überblick über den Stand der Normung und der Technik. Verschaffen Sie sich mit dieser Schulung einen Überblick über die Zusammenhänge der Sicherheit von Fahrzeugfunktionen und der künstlichen Intelligenz im Automobilbereich und generieren Sie damit einen guten Einstiegspunkt in die Sicherheit des automatisierten Fahrens.

Die Schulung »Data Scientist specialized in Trustworthy AI« vermittelt einen umfassenden Überblick über die zur Absicherung von KI-Anwendungen relevanten Handlungsfelder. Sie erfahren, wie innovative KI-Technologien auf vertrauenswürdige Weise entwickelt und angewendet werden können. Sie erhalten Einblick in die Funktionsweise vertrauenswürdiger maschineller Lernverfahren und lernen spezifische Risiken von KI-Anwendungen kennen. Im Deep-Dive in die verschiedenen Handlungsfelder für den verantwortungsvollen Einsatz von Künstlicher Intelligenz erfahren Sie, mit welchen Metriken man die Risiken messen und mit welchen Methoden man ihnen begegnen kann. Die Inhalte werden durch maßgeschneiderte Demos und Übungsaufgaben vertieft. Die Schulung schließt mit einem ausführlichen Praxis-Beispiel, an dem eine systematische Herangehensweise für vertrauenswürdige KI illustriert wird.

Durch die Schulung »Data Scientist Basic Level« erlangen Sie breitgefächertes Wissen, um effizient in Data Science Teams mitarbeiten zu können. Sie erfahren, wie Business Developer die Potenziale von Big Data in ihrem Unternehmen erschließen, wie Dateningenieur*innen Daten beschreiben und integrieren, wie Analyst*innen mit maschinellen Lernverfahren Muster und Trends erkennen und wie Software-Ingenieur*innen mit modernen Datenbanken und verteilten Berechnungsverfahren robuste und skalierbare Big-Data-Systeme entwickeln. All dies unter Berücksichtigung von Datenschutz und -sicherheit. Die Schulung schließt mit einer Prüfung zum Erwerb des Zertifikats »Data Scientist Basic Level« ab.

Diese Schulung schließt an das Angebot »Certified Data Scientist Basic Level« an und richtet sich sowohl an Fachkräfte mit Erfahrung in der Datenanalyse und Grundkenntnissen des Software Engineering als auch an erfahrene Software Engineers, deren Berufsweg sie in Kontakt mit Data Science und deren Implementation gebracht hat. In der Schulung lernen Sie Methoden und Tools zur Operationalisierung von Machine Learning-Anwendungen (»Machine Learning Operations (MLOps)«), kennen.