Python lernen: Kurse und Seminare auf der Plattform seminarmarkt.de!

Das Seminar behandelt Grundlagen des Machine Learning und stellt einige grundlegende Verfahren und Algorithmen vor.

Machine Learning bzw. Künstliche Intelligenz wird heute in verschiedensten Anwendungen nutzbringend eingesetzt (Produktionsprozesse, Qualitätssicherung, Verkehrsflüsse, Lastmanagement in der elektrischen Energieversorgung u.a.). Hierfür stehen eine Vielzahl an Methoden und Algorithmen zur Verfügung. Sinnige Ergebnisse versetzen Anwender in die Lage, kluge Entscheidungen aus Daten abzuleiten.

Das Seminar beantwortet zwei wichtige Fragen:
– Wie werden neue Erkenntnisse aus Daten gewonnen?
– Wie wird ein Computer dazu gebracht, aus Daten zu lernen, um anschließend selbstständig Entscheidungen zu treffen?

Nach dem Seminar stehen Ihnen ein Methodenkatalog und eine Algorithmensammlung zur Verfügung, die auf neue Applikationen angewendet werden können.

Methodik
Begleitend zur Theorie wird die praktische Umsetzung anhand einfacher Beispiele erläutert. Hierzu wird Python verwendet.

Voraussetzungen
Notwendige Vorkenntnisse sind grundlegende Programmierkenntnisse und mathematische Grundlagen (lineare Gleichungssysteme, Statistik u.a.). Rechner stehen zur Verfügung. Es kann jedoch auch ein eigenes Notebook mit installierter Python-Umgebung (Empfehlung Anaconda) mitgebracht werden.

Softwareentwickler, Systementwickler und Entscheider, die sich einen Überblick über Möglichkeiten und Chance...

Die fortschreitende Digitalisierung führt in der tribologischen Forschung und Entwicklung zu immer größeren Datenmengen. Moderne Produktionsanlagen nutzen integrierte Sensoren zur Zustandsüberwachung, während Forschungslabore große digitale Datenmengen generieren.

Trotz der Beliebtheit von KI-Tools wie ChatGPT wird oft übersehen, dass ein tiefes Verständnis der Daten für deren effektiven Einsatz notwendig ist.

In diesem Seminar konzentrieren wir uns auf die Analyse und Visualisierung von tribologischen Messdaten, etwa Zeitreihen von Sensoren, mittels Data Science Methoden. Wir zeigen, wie man aus diesen Datenmengen Mehrwert schafft und diskutieren Grenzen sowie Anwendungsmöglichkeiten von KI-Methoden in diesem Bereich, unterstützt durch Beispiele aus der tribologischen Forschung.

Sie lernen, wie Sie Messdaten aus dem Umfeld tribologischer Systeme, z.B. Zeitreihen von Kraft- oder Vibrationssensoren, mit Hilfe moderner Data Science Werkzeuge analysieren und visualisieren können. Sie erhalten einen Überblick über gängige Softwaresysteme, die in der Data Science Community eingesetzt werden und lernen, wie Sie mit Hilfe der Softwareumgebung "Python" Datenanalyseaufgaben durchführen können. Außerdem erhalten Sie einen Erfahrungsbericht über Einsatzmöglichkeiten und Grenzen der künstlichen Intelligenz aus dem Blickwinkel der tribologischen Forschung.

Dieses Seminar richtet sich an Ingenieure bzw. Labormitarbeiter*innen, die mit der Analyse und...

In diesem Kurs lernen Sie Folgendes:

• Einrichten des AWS SDK und der Anmeldedaten für Entwickler für Java, C#/.Net, Python und JavaScript
• Verwenden des AWS SDK für die Interaktion mit AWS-Services und Entwicklungslösungen.
• Verwenden von Amazon Simple Storage Service (Amazon S3) und Amazon DynamoDB als Datenspeicher
• Integrieren von Anwendungen und Daten mithilfe von Amazon Kinesis, AWS Lambda, Amazon Simple Queue Service (Amazon SQS), Amazon Simple Notification Service (Amazon SNS) und Amazon Simple Workflow Service (Amazon SWF)
• Verwenden von AWS Identity and Access Management (IAM) für die Service-Authentifizierung
• Verwenden von Web Identity Framework und Amazon Cognito die Benutzer-Authentifizierung
• Verwenden von Amazon ElastiCache und Amazon CloudFront zum Verbessern der Anwendungsskalierbarkeit
• Bereitstellen von Anwendungen mithilfe von AWS Elastic Beanstalk und AWS CloudFormation

Der Kurs Grundlagen des Maschinellen Lernens mit scikit-learn und Python behandelt in einem zweitägigen Seminar die Konzepte des überwachten und unüberwachten Lernens mit Hilfe des Python Moduls scikit-learn.
Es wird vorausgesetzt, dass die Teilnehmer grundlegende Kenntnisse in Python besitzen.

Der Kurs vermittelt Ihnen die Grundlagen des Machine Learning und zeigt Ihnen, wie Sie Machine Learning mit Python und der Bibliothek scikit-learn umsetzen können. Machine Learning ist eine wichtige Algorithmenklasse der Künstlichen Intelligenz und umfasst sowohl supervised learning als auch unsupervised learning.

Wir werden uns auf supervised learning konzentrieren, bei dem Algorithmen mit gelabelten Daten trainiert werden, um bestimmte Aufgaben zu erlernen. Beispiele für supervised learning sind die Klassifikation von Fehlern in Bauteilen oder die Vorhersage des Umsatzes eines Kunden.

Unsupervised learning hingegen benötigt keine gelabelten Daten, sondern versucht, Muster oder Gruppen in den vorhandenen Daten zu erkennen. Dies kann zum Beispiel für die Kundengruppierung verwendet werden.

Der Kurs verwendet die Programmiersprache Python, die sowohl im Machine Learning als auch im Deep Learning weit verbreitet ist. Die Bibliothek scikit-learn bietet zahlreiche Algorithmen, die das Lernen von Machine Learning erleichtern.

Wir werden hauptsächlich das Python-Modul scikit-learn verwenden, um die Algorithmen im Machine Learning zu...

Overview

In this 1-day instructor led course the students will learn about automation scripting in Maximo, including how automation scripts can be used to extend functionality using code written in Python or JavaScript. This includes learning about launch points, variables and Maximo business objects in Maximo and how to use them and write scripts and run them with different launch points. 

Along with a combination of procedural information and demonstrations, this course also has hands-on lab exercises using a Red Hat OpenShift Maximo Manage environment for you to try out.

Overview

In this 1-day instructor led course the students will learn about automation scripting in Maximo, including how automation scripts can be used to extend functionality using code written in Python or JavaScript. This includes learning about launch points, variables and Maximo business objects in Maximo and how to use them and write scripts and run them with different launch points. 

Along with a combination of procedural information and demonstrations, this course also has hands-on lab exercises using a Red Hat OpenShift Maximo Manage environment for you to try out.