TRIZ Schulungen finden - Das passende Seminar in Ihrer Nähe

In dem Kurs Data Science Crash Course mit Python erhalten Sie eine modular aufgebaute Einführung in die Themen Data Science, Künstliche Intelligenz und Machine Learning (Maschinelles Lernen) sowohl für numerische als auch für Textdaten (ChatGPT wird behandelt). Bei Vorkenntnissen können Sie die Module einzeln besuchen.

 

Im Modul Künstliche Intelligenz mit Python erhalten Sie einen Überblick über das Thema Künstliche Intelligenz mit vielen Praxisbeispielen. Zudem werden Sie in Python so weit fit gemacht, dass Sie Ihr erstes Data-Science-Projekt vom Einlesen der Daten bis hin zur Speicherung der Modelle zur weiteren Verwendung eigenhändig umsetzen können.

 

Das Modul Machine Learning mit Python geht nun einen Schritt weiter. Hier erhalten Sie einen Einblick in die unterschiedlichen Algorithmen des Maschinellen Lernens. Die Theorie dahinter wird dabei anhand von Praxisübungen aus den Bereichen Clustering, Virtuelle Sensoren und Zeitreihenvorhersage vermittelt. In diesem Modul werden Sie sich hauptsächlich mit der Anwendung des Machine Learning auf numerischen Daten beschäftigen.

 

Abgerundet wird der Kurs durch das dritte Modul Natural Language Processing (NLP) mit Python, bei dem Sie sich mit der Anwendung des Maschinellen Lernens im Kontext der natürlichen Sprachverarbeitung auseinandersetzen. Nach dem Kurs können Sie z. B. einen eigenen Chatbot zu entwickeln, auch auf der Basis von ChatGPT.

 

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/

Dieses Ausbildungsangebot richtet sich an Personen, die im Betrieb Instandhaltungs-, Kundendienst- oder Servicetätigkeiten übernehmen sollen, jedoch wegen eines fehlenden Abschlusses in einem Elektroberuf hierfür nicht einsetzbar sind. Einsatzbereiche für Elektrofachkräfte für festgelegte Tätigkeiten gibt es in nahezu allen Handwerks- und Industriebetrieben.
Neben der Durchführung und Doku­mentation von elektrischen Messungen können je nach Berufsfeld folgende Aufgaben übernommen werden:
- Wartung und Instandhaltung von Elektrogeräten oder elektrischen Anlagen
- Überprüfung des ordnungs­gemäßen Zustandes elektrischer Anlagen, einfache Instandsetzungsarbeiten
- Anschließen von elektrischen Betriebsmitteln
- Austausch von defekten Steckdosen und Schaltern
- Austausch von Schutzkontaktsteckern und -kupplungen an Betriebsmitteln und Kabeln.
Die Ausbildung hat einen Gesamtumfang von 640 U-Std. und schließt mit einer Prüfung ab, in der Teilnehmende die erforderlichen Kenntnisse in Theorie und Praxis nachweisen müssen.
Sie besteht aus einem Vorbereitungsmodul (2 Wochen),
einem Grundausbildungsmodul (6 Wochen) und einem Fachausbildungsmodul (4 Wochen)
Die Grundausbildung umfasst einen theoretischen und einen praktischen Teil.
Eine betriebliche Qualifizierung im Praktikumsbetrieb gewährleistet, dass die im Grund- und Fachmodul erworbenen Kenntnisse praxisbezogen umgesetzt und angewandt werden.

Veränderungsprojekte scheitern oft an unklaren Entscheidungen. Sie lernen systematische Methoden für fundierte Entscheidungsfindung und führen Change-Prozesse sicher.

Anerkannte Schulung (nach SCC-Regelwerk)

Der Kurs Künstliche Intelligenz mit R ist das erste Modul des Lehrgangs Data Science Crash Course mit R. Das einführende Modul gibt einen Überblick über die aktuellen Data Science Methoden der Künstlichen Intelligenz mit zahlreichen Praxisbeispielen aus Prozessindustrie, Predictive Maintenance oder dem Natural Language Processing (NLP), das die Grundlage von Chatbots darstellt. Ein besonderer Fokus wird zudem auf das Maschinelle Lernen gelegt, das ein wichtiges Handwerkszeug eines jeden Data Scientists ist. Dabei steht der Hands-on-Character im Fokus.

 

Zuerst gibt es eine intensive Einführung in die Programmiersprache R, woraufhin an einem Praxis-Beispiel der gesamte Data-Science-Prozess inkl. Datenzugriff, Visualisierung, Aufbereitung der Daten, Feature Engineering, Validierung und Evaluation umgesetzt wird. Dabei programmieren Sie eigenhändig den Machine Learning Algorithmus Learning Vector Quantization (LVQ), der Ähnlichkeiten zu Neuronalen Netzen besitzt. Insgesamt erhalten Sie dadurch einen intensiven Einblick, wie Data Science und Künstliche Intelligenz in der Praxis angewendet werden.

 

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/

Wenn es um die erfolgreiche Nutzung von Daten geht, dominiert seit einigen Jahren die „Künstliche Intelligenz“ die Berichterstattung. Dabei hat sie diesen Höhenflug dem Maschinellen Lernen zu verdanken. In dieser Disziplin werden Erkenntnisse und Regeln direkt aus den Daten gewonnen. Eines der bekanntesten Methoden in diesem Bereich sind Neuronale Netzwerke, welche die Daten schichtweise verarbeiten. Noch vor 10 Jahren hat man sich mit wenigen Schichten zufrieden gegeben. Durch den immensen Erfolg im Bereich der Objektklassifizierung und -erkennung (z. B. bei der Gesichtserkennung oder beim Autonomen Fahren), sowie bei der Verarbeitung natürlicher Sprache (z. B. bei Übersetzungen) haben tiefe neuronale Netzwerke (Netzwerke mit sehr vielen Schichten, Deep Learning) immer mehr an Bedeutung gewonnen. In dem Kurs Deep Learning mit Python geben wir einen intensiven Einblick in tiefe Neuronale Netze, angefangen beim ursprünglichen Perzeptron über klassische Neuronale Netze bis hin zu Deep Learning.

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/

Sie lernen den kompletten Workflow des Machine Learnings mit der Deep-Learning Bibliothek Keras kennen. Angefangen von der Datenaufbereitung, über die Auswahl und das Anlernen der Modelle, bis hin zum Einsatz der trainierten Modelle zur Klassifikation und Prognose. Sie können Bild-, Text- und numerische Daten für Training und Schätzung vorbereiten. Sie kennen die konzeptuellen Grundlagen des Anlernens, die Verfahren zur Qualitätssicherung im Anlernprozess und die Varianten neuronaler Netze. Dazu gehören konvolutationale Netze (CNN) zur Verarbeitung von Bilddaten genauso wie rekurrente Netze (RNN) zur Verarbeitung von Text- und Zeitreihendaten. Die Konzepte werden anhand von Folien erklärt, an Beispielen verdeutlicht und gemeinsam in Python umgesetzt und eingeübt. Eine Vielzahl praktischer Übungen ergänzen den Lernprozess und ermöglichen es, die verschiedenen Lernszenarien selbstständig umzusetzen. Am Ende des Seminars sind Sie in der Lage, Daten und Optionen des Einsatzes neuronaler Netze zu prüfen, Modelle zielsicher auszuwählen und zu trainieren und Klassifizierer erfolgreich einzusetzen.

Immer mehr nationale und internationale Auftraggeber verlangen von Kontraktoren, Technik- und Personaldienstleistern einen unabhängigen Nachweis ihres Arbeitsschutzmanagements nach SCC. Mit der SCC-Personenzertifizierung erfüllen Sie alle Anforderungen des SCC-Dokuments 017 und schaffen eine solide Basis für Ihre Managementsystem-Zertifizierung und den erfolgreichen Einsatz als Kontraktor. Zeigen Sie Ihren Kunden, dass Ihr Unternehmen Sicherheit, Gesundheit und Umwelt zum Standard macht – und erfüllen Sie sämtliche gesetzlichen Anforderungen. Machen Sie Ihr ganzes Team und Ihr Unternehmen fit für lukrative Aufträge und stärken Sie durch die SCC-Zertifizierung Ihr Vertrauen bei Auftraggebern!

Auch bei gemischten Teams stellen wir den für Sie passenden Inhouse-Ablauf zusammen und stimmen die Schulung, Prüfungsvorbereitung und Zertifizierung auf Ihren Bedarf ab.

Achtung: Alle Zertifikate, die vor 2022 abgelegt wurden, verlieren zum Ende Oktober 2026 ihre Gültigkeit! Handeln Sie jetzt!

Machine Learning, zu deutsch maschinelles Lernen, bezeichnet die Generierung von Wissen aus Erfahrung im Rahmen eines Algorithmus. Der Begriff wird häufig im Zusammenhang mit künstlicher Intelligenz verwendet, stellt aber nur ein Teilgebiet, dieses größeren Feldes dar. Machine Learning beruht auf der programmierten Fähigkeit, Muster und Gesetzesmäßigkeiten zu erkennen und daraus selbstständig eine Lösung für das vorgegebene Problem zu entwickeln. Auf welche Art und Weise das geschieht, ist aber offen und wird erst vom Programm selbst anhand von Trainingsdaten entwickelt. Dadurch haben die Programmierenden am Ende keine Kontrolle mehr über die Details ihrer Anwendung. In der Praxis erzielt Machine Learning häufig gute Ergebnisse, wirft aber auch immer wieder Probleme auf.

In diesem Modul beschäftigst du dich nach der Einführung grundlegender Begriffe und Modelle mit der praktischen Anwendung des Machine Learnings. Anschließend kannst du etwa:

Die mathematischen Grundlagen auf die Modellgenerierung beim maschinellen Lernen anwenden
Die Prinzipien der Modellierung auf gegebene Probleme anwenden und ausführen
Klassifikationen und Regressionen auf vorhandene Rohdaten anwenden
Vorhandene Modelle optimieren, um verbesserte Resultate zu generieren

Online Bootcamp: Data Science mit Python praxisnah lernen
Dieses fünftägige Intensivseminar vermittelt praxisorientierte Kompetenzen für den Einstieg in Data Science und Machine Learning mit Python. Die Teilnehmenden erlernen die Grundlagen der Programmiersprache Python für die Datenanalyse und entwickeln Schritt für Schritt die Fähigkeit, Machine-Learning-Algorithmen mit scikit-learn eigenständig umzusetzen.

Schwerpunkte der Weiterbildung:
- Python für Data Analytics: Datenstrukturen, eigene Funktionen, Control Flows.
- Datenaufbereitung und Analyse: Arbeiten mit pandas, numpy sowie Visualisierung mit seaborn und matplotlib.
- Machine Learning in der Praxis: Implementierung und Verständnis zentraler Algorithmen (Regression, Klassifikation, Clustering) mit scikit-learn.
- Modellbewertung und Optimierung: Train-Test-Split, Kreuzvalidierung, Hyperparameter-Tuning, Overfitting erkennen und vermeiden.
- Eigenständige Umsetzung: Intensive Übungsphasen und praxisnahe Projekte unter Anleitung des Trainers.

Nach Abschluss des Bootcamps können Sie:
- Daten aus unterschiedlichen Quellen einlesen, bereinigen und visualisieren.
- Machine-Learning-Modelle trainieren, validieren und interpretieren.
- Die Grundlagen von Data Engineering und Data Mining anwenden.
- Ihr Wissen eigenständig weiter ausbauen und in beruflichen Projekten einsetzen.

Besonderheiten:
- Nutzung der Anaconda-Distribution und der IDE Spyder.
- Ideal für Bildungsurlaub und den Einstieg in Data Science, Business Intelligence und Data Analytics.