Lade Veranstaltungen

« Alle Veranstaltungen

  • Diese Veranstaltung hat bereits stattgefunden.

KI-basierte Textklassifizierung – Einführung in die Programmierung Neuronaler Netze

19. Januar | 14:30 - 17:30

Kostenlos

Künstliche Intelligenz (KI) nimmt eine bedeutende Rolle ein und ist greifbarer als die in Science-Fiction-Filmen dargestellten Technologien aus ferner Zukunft. Das Besondere an KI ist die Lernfähigkeit auf Basis von Daten. Ein im Geschäftsmodell implementiertes KI-System unterstützt und entlastet Mitarbeitende sowie Führungskräfte und steigert so die Geschäftstätigkeit eines Unternehmens. Dabei ist es ein Trugschluss, dass KI-Systeme nur in Großunternehmen Sinn ergeben. KI geht auch kleine und mittlere Unternehmen (KMU) etwas an. Schließlich ist KI die Zukunft der deutschen und internationalen Wirtschaft.

Beschäftigt man sich näher mit Künstlicher Intelligenz treten häufig die Begriffe Neuronale Netze und Deep Learning auf. In diesem Workshop erfahren Teilnehmende was sich hinter diesen Begrifflichkeiten verbirgt und lernen ein Neuronales Netz zur Bildklassifikation aufzubauen, zu trainieren und optimieren. 

Die Veranstaltung ist Teil einer Veranstaltungsreihe, die sich zunächst mit der Sensibilisierung für Künstliche Intelligenz und Anwendungsbeispielen mit dem Fokus auf Bild- und Textverarbeitung befasst. In zwei weiterführenden Veranstaltungen lernen Teilnehmende den Umgang mit Daten im Unternehmensumfeld und die Programmierung von Neuronalen Netzen. Die Veranstaltungsreihe befähigt kleine und mittlere Unternehmen dazu, eine neue Perspektive auf ihre Geschäftsmodelle zu erlangen und diese mit digitalen Technologien, insbesondere mit der Bild- und Textverarbeitung, zu verknüpfen.

 

Jetzt anmelden

Tribe Loading Animation Image

 

Themen und Inhalte der Veranstaltung:

  • Rückblick auf den vorherigen Workshop „KI-basierte Bildverarbeitung“
  • Neuronale Netze zur Textklassifikation
  • Datenvorverarbeitung und Unterschiede zur Bildklassifikation
  • Erstellen, trainieren und optimieren eines neuronalen Netzes mit Python zur Textklassifikation
  • Überblick über tiefe neuronale Netze (Deep Learning)

 

Das können Teilnehmende anschließend im Betrieb anwenden:

  • Die Mehrwerte von Neuronalen Netzen und der Bildverarbeitung beurteilen
  • Einsatzmöglichkeiten der Bildklassifizierung im eigenen Unternehmen erkennen

 

Die Veranstaltung richtet sich an: 

  • Ingenieure
  • Programmierende
  • IT-Fachkräfte
  • Führungskräfte
  • Spezialisten (fachfremd)
  • Mitarbeitende

 

Diese Vorkenntnisse sind empfehlenswert:

  • Grundkenntnisse im Bereich KI und der Programmiersprache „Python“ sind von Vorteil, aber nicht vorausgesetzt.

 

Details zum Ablauf:

  • 14:30 Uhr | Begrüßung
  • 14:40 Uhr | Rückblick: Programmierung von Neuronalen Netzen
  • 14:50 Uhr | Neuronale Netze zur Textklassifikation
  • 15:20 Uhr | Pause
  • 15:30 Uhr | Erstellen, trainieren und optimieren eines neuronalen Netzes mit Python zur Textklassifikation
  • 17:10 Uhr | Überblick über tiefe neuronale Netze (Deep Learning)
  • 17:20 Uhr | Offene Fragerunde und Feedback

 

Ansprechpartner zur Veranstaltung:

Lars Ostrowitzki
lars.ostrowitzki@hs-emden-leer.de

Timo Böden
+49 491 92817-5072
timo.boeden@hs-emden-leer.de

 

Weitere Veranstaltungen zum Thema Künstliche Intelligenz:

1. Juni | 10:00
Seminarreihe: Erst die Daten, dann die KI (Teil 2) – Unternehmensgespräche
Seminarreihe: Erst die Daten, dann die KI (Teil 2) – Unternehmensgespräche
Die persönlichen Unternehmensgespräche dienen der Sichtung der Arbeitsergebnisse aus dem ersten Teil der Seminarreihe.
8. Juni | 15:00
Identifizierung eigener KI-Geschäftsmodelle für KMU
Identifizierung eigener KI-Geschäftsmodelle für KMU
Teilnehmende lernen die Verbindung von Geschäftsmodellen und Künstlicher Intelligenz kennen. Die Veranstaltung dient der Identifikation und Entwicklung eigener KI-Geschäftsmodelle.

Details

Datum:
19. Januar
Zeit:
14:30 - 17:30
Eintritt:
Kostenlos
Veranstaltungskategorien:
,

Veranstaltungsort

Online

Veranstalter

Mittelstand 4.0-Kompetenzzentrum Lingen