Navigation

ML4Industry – Neue Zertifikatskurse zum Maschinellen Lernen in der Industrie für Berufstätige und Unternehmen

Konzept

Die Zertifikatskursreihe ML4Industry steht für eine praxisorientierte Vermittlung von Verfahren des Maschinellen Lernens (ML) für Problemstellungen aus dem Industrieumfeld. Hierdurch wird der Mehrwert von ML-Methoden gegenüber klassischen Datenanalysen verdeutlicht und der Transfer auf Fragestellungen im eigenen Unternehmen erleichtert. In den Zertifikatskursen folgen theoretischen Grundlagen durchgehend praktische Übungen zur Vertiefung und Festigung des Gelernten, inklusive individueller Betreuung jedes Teilnehmers. Ziel ist es, nicht nur Theorie und Wissen bereitzustellen, sondern Anwendungskompetenz zur Problemlösung im eigenen Unternehmen zu schaffen.

Dieses Konzept wird durch eine interdisziplinäre Kooperation aus Informatik und Ingenieurswissenschaften ermöglicht. Durch die beteiligten Partner werden die hierfür erforderlichen Kompetenzen sichergestellt:

Informatik:

Ingenieurswissenschaften:

Basismodule

Die beiden aufeinander aufbauenden Basismodule erschließen schrittweise das Themenfeld ML. Die Teilnehmer werden in die Lage versetzt, Konzepte und Methoden des ML auf Industrieanwendungen zu übertragen und mit Software-Werkzeugen oder eigenen Implementierungen umzusetzen. Durch den Beginn der Schulung mit den Grundlagen sind die beiden Basismodule auch für ML-Einsteiger bzw. Nicht-Informatiker geeignet.

Das Basismodul 1 “Grundlagen und Werkzeuge” sowie das daran anschließende Basismodul 2 “Fortgeschrittene Methoden” dauern jeweils 5 Tage an und finden im Abstand weniger Wochen statt. Einsteigern wird empfohlen beide Module als ein Paket zu belegen. Bei Fortgeschrittenen beraten wir gerne über individuelle Möglichkeiten, um einzelne Module sinnvoll zu kombinieren.

Basismodul 1: Grundlagen und Werkzeuge (5 Tage)

Grundlagen des Maschinellen Lernens

Zu Beginn des Moduls erfolgen die Definition des Begriffs „Maschinelles Lernen“, die Vorstellung der Kerngedanken und Prinzipien sowie motivierende Beispiele. Weiterhin wird ML in den Kontext der Industrie 4.0 eingeordnet und Ansätze zum Projektmanagement wie CRISP-DM (Cross-Industrie Standard Process for Data Mining) werden vorgestellt.

Einführung in Werkzeuge

Zur Anwendung von ML existieren viele umfangreiche und kostenlose Open-Source-Software-Pakete. Um nach den Kursmodulen das Gelernte im Unternehmen sofort und ohne weitere Kosten einzusetzen, wird das frei verfügbare benutzerfreundliche Werkzeug KNIME sowie die Programmiersprache der „Data Scientists“, Python, vorgestellt und der Umgang in Übungen erlernt.

Vorverarbeitung und überwachtes Lernen (Klassifikation und Regression)

Im dritten Teil erfolgt der Einstieg in das ML-Kerngebiet des überwachten Lernens. Es werden Konzepte und Algorithmen zur Klassifikation, d.h. zur Vorhersage von Kategorien wie „i.O.“ vs. „n.i.O.“, und zur Regression, d.h. Vorhersage eines numerischen Wertes besprochen. Abschließend wird die Datenaufbereitung, welche oft vor Klassifikations- oder Regressionsalgorithmen notwendig ist, behandelt. Betrachtet werden hier Verfahren zur Behandlung unbalancierter Datensätze, Erkennung und Entfernung von Ausreißern, Merkmalsextraktion und -auswahl, sowie gängige Sensorik und digitale Signalverarbeitung.

Eingeübt werden diese Methoden an beispielhaften technischen Fragestellungen wie den Aufbau eines Softsensors (indirekte Messung) sowie der Prognose von Energieverbräuchen und Qualitätsmerkmalen (i.O./n.i.O.; Oberflächenrauheit).

Basismodul 2: Fortgeschrittene Methoden (5 Tage)

Überwachtes Lernen: Neuronale Netze und Deep Learning

Deep Learning ist eines der aktuellen Trendthemen im ML – und das zurecht! In tiefen neuronalen Netzwerken werden Daten vom Anfang bis zum Ende kohärent verarbeitet (End-to-End Learning). In der Praxis ermöglicht Deep Learning mächtige und erfolgreiche Problemlösungen. In der Schulungsreihe werden die Grundlagen künstlicher neuronaler Netzwerke besprochen, der Einfluss von Parametern erläutert, CNN (Convolutional Neural Networks) und RNN (Recurrent Neural Networks) Architekturen vorgestellt und vortrainierte Netze auf industrielle Problemstellungen übertragen (Transfer Learning).

Als Anwendung dient in diesem Bereich zum einen die Bildverarbeitung. Mit Hilfe von CNNs werden Qualitätskontrollen von Bauteilen, die optische Verschleißerkennung von Werkzeugen sowie die Konfigurationsprüfung von Montageteilen durchgeführt. Weiter werden RNN eingesetzt um Vorhersagen der zukünftigen Zustandsentwicklung von Bauteilen anhand der gewählten Prozessparameter durchzuführen.

Evaluation und Hyperparameteroptimierung

Eine methodisch korrekte Evaluation ist unverzichtbar, denn viele Fehler in diesem Schritt führen zu „zu optimistischen“ Ergebnissen beim Entwickler, welche nach dem Deployment in die Produktion nicht gehalten werden können. Deshalb werden „Best Practices“ und häufige Fehlerquellen diskutiert und in Kombination mit der eng verknüpften Optimierung von Hyperparametern gebracht.

Unüberwachtes Lernen

Das Basismodul wird abgeschlossen mit einem Überblick zum unüberwachten Lernen. Dieses Teilgebiet des ML kann bei der Datenexploration unterstützen, bisher unbekannte Zusammenhänge in enormen Datenmengen aufzeigen oder unzählige Parameterwerte auf das Wesentliche reduzieren. Besprochen werden bewährte Clustering-Verfahren, um Daten interaktionsfrei zu aggregieren, Methoden zur Dimensionsreduktion sowie GANs (Generative Adversarial Networks).

Ein typisches Anwendungsbeispiel für den Einsatz von Unüberwachten Lernverfahren, insbesondere Clusteralgorithmen, ist die Anomalieerkennung. Innerhalb der Übungen wird die Anomalieerkennung bei Produktionsdaten über akustische Signale vertieft.

Anwendungsmodule

Im Rahmen von 1 bis 2-tägigen spezifischen Anwendungsmodulen wird der Einsatz von ML hinsichtlich einer konkreten Fragestellung (z.B.

Datenerhebung) bzw. eines Anwendungsbereichs (Werkzeugmaschine, Elektronikproduktion, etc.) erläutert. Diese spezifischen Module richten sich insbesondere an Teilnehmer, welche die Potentiale und die Anwendung von ML in einem bestimmten Kontext kennenlernen möchten.

Weitere Informationen hierzu folgen in Kürze.

Downloads

Termine

Aktuell geplante Seminare:

Seminar Zeitraum Preis
Basismodul 1 – Grundlagen und Werkzeuge ca. April 2020 2.900 Euro
Basismodul 2 – Fortgeschrittene Methoden ca. Mai 2020 2.900 Euro
Paket: Basismodul 1 & 2 ca. April bis Mai 2020 4.900 Euro
Anwendungsmodul – Industrie 4.0-gerechte Anlagenintegration tba tba
Anwendungsmodul – Werkzeug- und Sondermaschinen tba tba
Anwendungsmodul – Montage- und Fügetechnik tba tba
Anwendungsmodul – Energie- und Ressourceneffizienz tba tba

In den Seminargebühren sind die Bereitstellung der Seminarunterlagen, die Verpflegung während der Durchführung (Getränke und Mittagessen) sowie eine Abendveranstaltung (bei mehrtägigen Modulen) zum Netzwerken inklusive. Die Zertifikatskuse finden an den Lehrstühlen FAPS (Nürnberg) und/oder REP (Fürth) statt.

Bei erfolgreicher Teilnahme wird den Teilnehmern ein Zertifikat mit den Seminarinhalten ausgestellt.

Anmeldung

Bei Interesse können Sie sich gerne direkt an die angegebenen Ansprechpartner wenden.

Ansprechpartner