Künstliche Intelligenz - Spezialisierung - Best Practices für produktionsreifes Machine Learning

3-tägiger iX Workshop (+ optional buchbarer 1-Tages Vorbereitungsworkshop direkt davor)

Schulungsziel

Data Scientists werden mehr und mehr in die Deployment-Pipeline von Software-Produkten mit einbezogen. Dabei ist es eine nichttriviale Aufgabe, sicherzustellen, dass ihre Arbeit gut integriert wird. Natürlich ist dies kein neues Problem: In der Vergangenheit warfen traditionelle Software-Entwicklungsteams ihre Arbeit "über die Mauer" zum Betriebsteam. DevOps entfernte die Mauer zwischen Entwicklung und Betrieb, um die Effizienz zu steigern und die Produktqualität zu verbessern.

Machine Learning steht jetzt vor der gleichen Herausforderung. Durch die hohe Nachfrage nach KI-Produkten wird dies noch verstärkt. Es gibt oft eine neue Mauer, die die Produktivität mindert: Die Trennung zwischen ML Modell Entwicklung und Betrieb dieser Modelle. Die Schmerzpunkte, die wir heute in der Industrie sehen, fühlen sich vertraut an, haben aber auch einzigartige Aspekte von Machine Learning Anforderungen - hier kommt Machine Learning Operations (MLOps) ins Spiel.

Wie verändert sich DevOps mit der Zunahme von Data Science Teams in der Entwicklung? Wie sieht die Mischung zwischen ML und Software-Engineering aus? Wie kann man KI-Lösungen vor Ort, in der Cloud oder "on the Edge" einsetzen und verwalten? Wie kann man mit realen Szenarien wie A/B-Tests umgehen?

In diesem Workshop helfen wir Ihnen bei der Beantwortung dieser sowie vieler weiterer Fragen und schulen Sie im Bereich MLOps. Damit der Erfolg Ihrer KI-Bemühungen gesichert ist und Sie den Übergang von der Entwicklung in den produktiven Betrieb meistern.

Vorbereitung:

Wir empfehlen als Vorbereitung auf den Kurs und als Auffrischung Ihrer Machine Learning und Tensorflow Kenntnisse, unseren zusätzlich buchbaren 1 Tages Vorbereitungsworkshop. Dieser findet direkt vor dem eigentlichen Kurs statt.

Haben Sie bisher gar keine Kenntnisse im Bereich Machine Learning und Tensorflow empfehlen wir unseren 4 Tages KI-Intensivkurs mit vielen Übungen oder für den schnellen Einstieg unseren 2 Tages Tensorflow Kurs mit Übungen für Zuhause im Nachhinein.

Ziele:

• Reproduzierbares Machine Learning: Erstellen und Erfassen von Modellen, Experimenten sowie Ergebnissen

• Anwendung des Machine Learning Entwicklungsprozesses in der Cloud mit Azure ML (von Daten bis Deployment)

• Anwendung des Machine Learning Entwicklungsprozesses in der Cloud mit Open Source Software
  
  

Voraussetzungen

• Basis Kenntnisse Python, Machine Learning und Tensorflow

• Basis Kenntnisse in Cloud Technologien und Docker

• Benötigen Sie eine Auffrischung Ihrer Machine Learning Kenntnisse, empfehlen wir unseren zusätzlich buchbaren 1-Tages Vorbereitungskurs, der direkt vor dem Kurs stattfindet

• Für die Teilnahme am Online Workshop wird BigBlueButton verwendet, Sie erhalten Ihren Link und können bequem über den Browser beitreten

• Es wird ein gängiger Browser Visual Studio Code, Azure CLI, SSH, und Docker benötigt (bitte vorher einrichten)

Zielgruppe

• Softwareentwickler:innen, DevOps Engineers, und Data Scientists

Inhalte (für mehr Details auf die einzelnen Punkte klicken)

Optionaler zusätzlich buchbarer Vorbereitungstag (direkt vor dem eigentlichen Kurs)

• Überblick Künstliche Intelligenz & Machine Learning (ML)
• Entwicklungsprozess von ML Modellen
• Schneller Crash Kurs in Python und dem Scientific Stack (Numpy, Jupyter, Matplotlib, Pandas)
• Deep Learning Grundlagen
• Deep Learning in der Praxis mit Tensorflow

Spezialisierung Textverarbeitung mit Deep Learning

Trainer Philipp Braunhart

Philipp ist Freelance Machine Learning Engineer und Trainer. Bei Siemens hat er skalierbare Artificial Intelligence (A.I.) Lösungen im IoT Umfeld entwickelt. Von der Physik (B.Sc.) hat er sich in Richtung A.I. insbesondere Deep und Machine Learning (M.Sc.) entwickelt. Ob Deep Reinforcement Learning in der Robotik, Qualitäts-Vorhersagen bei Fertigungs-prozessen oder Anomalieerkennung bei Prüfergebnissen von Flachbaugruppen: Es reizt ihn stets praktische Probleme mit Hilfe von intelligenten Algorithmen zu lösen. Durch bildliche, einfach verständliche Erklärungen hilft er anderen Hürden zu überwinden, um ebenso viel Begeisterung für Machine Learning zu entwickeln.

Trainer Moustapha Karaki

Moustapha ist ein Machine Learning Engineer und Berater bei IBM für die Anwendung von AI in Unternehmen. Unter anderem am Fraunhofer IPK in der Forschungs-gruppe "Sicherheitstechnologien", in Projekten in der Automobil-Branche, im Maschinenbau (B.Sc.) sowie bei IBM sammelte er Erfahrungen zu Deep und Machine Learning, Computer Vision un Robotik. Hierauf lag auch der Fokus seines M.Sc. in Computational Engineering Science. Zu seinen bisherigen Projekten gehören unter anderem Personenerkennung zur Sicherheit, Produkt-Qualitätsoptimierung basierend auf Maschinen-sensoren, und intelligente IoT Systeme in der Automobilindustrie. Durch seine Arbeit in der Beratung wurde ihm bewusst, wie wichtig es für die Menschen ist, eine AI-orientierte Denkweise zu haben. Die Verbreitung dieses Wissens ist sein Beitrag auf dem Weg zur kommenden Transformation.

Durchführung

Ist die Durchführung der Veranstaltung aufgrund höherer Gewalt, wegen Verhinderung eines Referenten, wegen Störungen am Veranstaltungsort oder aufgrund zu geringer Teilnehmerzahl (weniger als 50%) nicht möglich, werden die Teilnehmer spätestens 7 Tage vorher durch das heise Events-Team informiert.

Online - Workshop, Workshop-Dauer: jeweils 09:00 - 17:00 Uhr

Nehmen Sie jetzt unkompliziert an unserem Online-Workshop teil.
Selbstverständlich sind die Inhalte online die gleichen wie in dem Präsenz-Workshop. Sie können Fragen stellen und sich mit dem Referenten und den anderen
Teilnehmern austauschen. Die begrenzte Teilnehmerzahl garantiert ein effektives und abwechslungsreiches Lernerlebnis – sicher und bequem in Ihrem Arbeitsumfeld.