Anwendung von KI in der Produktion
Universität Stuttgart
jederzeit
Teilnahmebescheinigung
20 Stunden
Machine Learning
Machine Learning ist ein zentrales Teilgebiet der Künstlichen Intelligenz. Viele digitale Anwendungen in unserem Alltag nutzen Maschinelles Lernen: Spamfilter sortieren unerwünschte E-Mails aus, Streamingdienste empfehlen passende Inhalte und Sprachassistenzen reagieren auf gesprochene Anfragen. In all diesen Fällen erkennen die Systeme mithilfe großer Datenmengen Muster und leiten daraus Entscheidungen ab.
Erfahre jetzt auf dem KI-Campus, wie verschiedene Algorithmen und Lernverfahren funktionieren, wofür sie sich eignen und wie du sie gezielt einsetzen kannst.
Ausgewählte Lernangebote
Das MLOps-Arbeitsbuch · Ein geführter Online-Kurs für den Einstieg in MLOps
appliedAI
5 Stunden
Englisch
Extern
KI-Grundlagen
Machine Learning
Einführung in das Maschinelle Lernen – Beginn des Mikro-Degrees
Munich Center for Machine Learning
ca. 120 Stunden
Micro-Degree
Englisch
KI-Campus-Original
Machine Learning
Data Science & Big Data
KI in der Hochschule
Ganzheitliche angewandte KI im Ingenieurbereich - Start des Micro-Degrees
TU Dresden
ca. 82 Stunden
Micro-Degree
Deutsch
KI-Campus-Original
Machine Learning
KI in Unternehmen
Expert:innen
Fraunhofer IIS
Besuche Dr. Stephan Scheele Startseite (wird in einem neuen Tab geöffnet)
Besuche Dr. Stephan Scheele LinkedIn (wird in einem neuen Tab geöffnet)
Hasso-Plattner-Institut
Besuche PD Dr. Haojin Yang Startseite (wird in einem neuen Tab geöffnet)
Besuche PD Dr. Haojin Yang LinkedIn (wird in einem neuen Tab geöffnet)
Hasso-Plattner-Institut
Besuche Christian Bartz Startseite (wird in einem neuen Tab geöffnet)
Prof. Dr. Thorsten Wingenroth
DHBW Stuttgart
Ganzheitliche angewandte KI im Ingenieurbereich - Deep Learning für sequentielle Prozessdaten
TU Dresden
jederzeit
Leistungsnachweis
21 Stunden
Ganzheitliche angewandte KI im Ingenieurbereich - Prozessinformatik
TU Dresden
jederzeit
Leistungsnachweis
21 Stunden
Ganzheitliche angewandte KI im Ingenieurbereich - Maschinelles Lernen in der Produktion
TU Dresden
jederzeit
Leistungsnachweis
40 Stunden
Machine Learning
Marco Stang
KIT
Dr.-Ing. Gabriela Molinar
KIT
Gabriela Molinar studierte Elektrotechnik und Informationstechnik in Venezuela. Sie wurde 2020 am Institut für Technik der Informationsverarbeitung (ITIV) des Karlsruher Instituts für Technologie (KIT) promoviert und arbeitet inzwischen im Energiesektor beim Übertragungsnetzbetreiber TenneT TSO GmbH in Bayreuth.
Sie erhielt 2022 den Ökologiepreis der Viktor & Sigrid Dulger-Stiftung für ihre Arbeit "Machine Learning Tool for Transmission Capacity Forecasting of Overhead Lines based on Distributed Weather Data“, welche einen wichtigen Beitrag zur Strombelastbarkeitsprognose mittels Künstlicher Intelligenz als Optimierungsverfahren des Netzbetriebs und zur Unterstützung der Energiewende in Deutschland leistet.
So lernen Maschinen
Plattform Lernende Systeme
Prof. Dr. Abhinav Valada
Universität Freiburg
Prof. Abhinav Valada, ordentlicher Professor an der Universität Freiburg, wo er das Robot Learning Lab leitet. Seine Forschung liegt an der Schnittstelle von Robotik, maschinellem Lernen und und Computer Vision mit dem Fokus auf der Bewältigung Roboterwahrnehmung, Zustandsschätzung Zustandsabschätzung und Planungsproblemen, um Robotern einen zuverlässigen Betrieb in komplexen und vielfältigen Bereichen.