AIoT - Digitale Signalverarbeitung für KI-Algorithmen
725,00 €
Nettopreis (zzgl. MwSt.)
Bruttopreis (inkl. MwSt.)
Veranstaltungsnummer: DIDI020.09
Preisdetails:
Im Preis enthalten ist Lehrmaterial in digitaler Form.
inkl. 19 % MwSt.:
Zielgruppe
Inhalt
- AI-, IoT- und IIoT-Grundlagen
- Eigenschaften von IoT-Datenquellen
- Einführung in die Digitale Signalverarbeitung (DSP)
- Feature Engineering mit DSP-Methoden (u.a. FFT, PSD)
- Machine Learning-Grundlagen
- Training, Bewertung und Vergleich von Machine Learning-Modellen
- Deployment von Machine Learning-Modellen
- AIoT-Use Cases, Anwendungsgebiete und Best Practices
Ist kein passender Termin dabei oder Ihr Wunschtermin ist ausgebucht?
8 Seminarstunden
1 Tag
Idealerweise wurden die folgenden Kurse bereits besucht:
VDSI Punkte Brandschutz : 0
VDSI Punkte Managementsysteme : 0
VDSI Punkte Gesundheitsschutz : 0
VDSI Punkte Security : 0
VDSI Punkte Umweltschutz : 0
Die theoretischen Inhalte werden in Form von praxisnahen Übungen vertieft. Die Übungen werden mit Python durchgeführt. Die dafür notwendige Schulungsumgebung wird gestellt. Der Zugriff auf die Schulungsumgebung erfolgt mit einem Browser (Chrome oder Firefox).
Künstliche Intelligenz im Dreiklang von Herausforderungen, Vorteilen und Kompetenzen
Verwandte Seminare
Im Seminar erhalten die Teilnehmer eine umfassende Einführung in die Programmiersprache Python als Grundwerkzeug für die spätere Datenanalyse und lernen die Entscheidungskriterien für die Datenauswahl und die Datenquellen kennen, die sie für ihre Betrachtung benötigen.
Die voranschreitende Digitalisierung wirkt sich auf nahezu jedes Unternehmen aus. Digitale Anwendungen hinterlassen eine riesige Datenmenge, die es auszuwerten gilt, um Prozesse zu verbessern.
Die durch die Digitalisierung zahlreicher Prozesse, Transaktionen und weiterer Anwendungsfälle entstehenden Datenmengen müssen ausgewertet und analysiert werden, um einen Mehrwert für Unternehmen und Einrichtungen zu schaffen.
Wichtige Unterstützung zur Analyse der Datenmassen geben maschinelle Lernverfahren, bei denen ein Algorithmus durch Wiederholung und vorgegebene Kriterien selbstständig lernt, eine Aufgabe zu erfüllen, ohne dass ein Lösungsweg vorgegeben ist.
Feature Engineering ist die Vorbereitung von Daten für die Verarbeitung in Machine Learning-Algorithmen und von hoher Bedeutung im gesamten Machine Learning-Prozess