Hier anmelden

Mit den geeigneten Plattformen und Entwicklungswerkzeugen lassen sich KI-Projekte sehr schnell umsetzen. Insbesondere die vielversprechenden Deep-Learning-Technologien besitzen eine Vielzahl an Entwicklungstools, die es KI-Entwicklern erlauben, weniger Zeit für aufwendige Grundlagen-Implementationen aufzubrauchen und dafür mehr Zeit für die Problemlösung selbst zu finden.

In mehreren Teilen geht es in diesem Schwerpunkt deshalb rund um die Entwicklung: Angefangen bei einem Einstieg in die Pythonprogrammierung, über die Betrachtung gängiger Entwicklungstools und -frameworks, bis hin zu Deep-Learning-Grundlagen und deren Implementation. Diese Reihe erlaubt es Programmierern ohne KI-Kenntnisse, startbereit für Deep Learning zu werden. An den einzelnen Teilen kann sequenziell teilgenommen werden, benötigte Kenntnisse in späteren Teilen werden in vorherigen Teilen vermittelt – grundlegende Programmierkenntnisse sollten jedoch mitgebracht werden.

Die Inhalte werden anhand von uns gehosteter Jupyter Books gemeinsam erarbeitet – Teilnehmer können direkt aktiv im Web-Browser mit programmieren, ohne vorher ihr eigenes System vorbereiten zu müssen. Übungen im Laufe der Veranstaltungen geben Zeit, die Inhalte zu festigen.

1: Python-Grundlagen für Deep Learning

In dieser zweiteiligen Reihe werden die Grundlagen der Pythonprogrammierung als Basis für Deep Learning nähergebracht. Die folgenden Themen werden behandelt:

• die Syntax gängiger Python-Strukturen, u. a. Funktionen, Klassen, Variablen
• Python-Datenstrukturen (List, Dictionary, Tuple)
• Python-Module

Voraussetzungen:
Allgemeine Programmierkenntnisse: Teilnehmer sollten bereits Kenntnisse von einer anderen, bestenfalls objektorientierten Sprache mitbringen. So sollten folgende Fragen beantwortet werden können: Wie ist ein Programm aufgebaut? Was für Datentypen gibt es? Was sind Funktionen, Variablen, Ablaufstrukturen, Klassen? 

Zielgruppe:
Entwickler ohne Pythonkenntnisse, die in Zukunft Deep-Learning-Algorithmen implementieren möchten.

Details und Termine zu anderen Teilen dieses Schwerpunktes finden Sie hier.

Unsere Arbeitswelt hat sich in den vergangenen Jahren stark gewandelt. Für viele Beschäftigte ist der flexible Wechsel zwischen Homeoffice und der Arbeit im Büro heute selbstverständlich. Die Zusammenarbeit im Team findet hybrid statt. Für Unternehmen ist es wichtig, dass hybride Kommunikation ein kreatives Miteinander im Team ermöglicht und positiv erlebt wird. Wie gelingt es, im hybriden Raum Gestaltungsräume für Ideen und Innovationen einzuräumen?

Workshop zu Kreativität & Innovation in der hybriden Zusammenarbeit 

In unserer UUX-Roadshow widmen wir uns dem Thema Kreativität in der hybriden Zusammenarbeit. Wie gelingt es in hybriden Teams Kreativität zu fördern, um etwa Herausforderungen zu lösen, neue Produkte zu entwickeln oder Innovationen anzustoßen? In unserem Workshop beleuchten wir Kreativität als Schlüssel für Innovation in der hybriden Zusammenarbeit.

Zum Auftakt des Workshops hält Josephine Hofmann, Fraunhofer IAO, eine Keynote zur flexiblen Zusammenarbeit. Im anschließenden Workshop widmen wir uns gemeinsam der genannten Fragestellung. Zunächst werfen wir einen Blick auf die Bedürfnisse der Mitarbeitenden, welche sich aus der Remote- bzw. Office-Arbeit ergeben. Welche Rahmen- und Umgebungsbedingungen fördern oder hemmen Kreativität in der hybriden Arbeit? Hierauf aufbauend erarbeiten wir Erfolgsfaktoren, um positive Erlebnisse zu schaffen und das kreative Potenzial der hybriden Arbeitswelt bestmöglich auszuschöpfen. Gemeinsames Ziel ist es, konkrete Ideen und Maßnahmen für eine kreativitäts- und innovationsfördernde Arbeitskultur zu entwickeln. 

Methoden zum Mitnehmen

Im Workshop bedienen wir uns Kreativ- und Innovationsmethoden – zum Beispiel aus dem Bereich User Experience (UX). Die gelernten Methoden können Sie anschließend für eigene Fragestellungen im Unternehmen anwenden. Neben den erlernten Methoden bringen wir mit unserem Ausstellungsstand UUX-TransferSpace zahlreiche weitere Methoden zum Mitnehmen und Ausprobieren mit. 

Hier geht es zur Anmeldung. 

Agenda

Location

Gate Garching, Lichtenbergstraße 8, 85748 Garching bei München

Informationen zur Anfahrt: https://www.gategarching.com/ueber-uns/#anfahrt

------

Die Teilnahme ist kostenfrei.

Hier geht es zur Anmeldung. 

Hier anmelden

Mit den geeigneten Plattformen und Entwicklungswerkzeugen lassen sich KI-Projekte sehr schnell umsetzen. Insbesondere die vielversprechenden Deep-Learning-Technologien besitzen eine Vielzahl an Entwicklungstools, die es KI-Entwicklern erlauben, weniger Zeit für aufwendige Grundlagen-Implementationen aufzubrauchen und dafür mehr Zeit für die Problemlösung selbst zu finden.

In mehreren Teilen geht es in diesem Schwerpunkt deshalb rund um die Entwicklung: Angefangen bei einem Einstieg in die Pythonprogrammierung, über die Betrachtung gängiger Entwicklungstools und -frameworks, bis hin zu Deep-Learning-Grundlagen und deren Implementation. Diese Reihe erlaubt es Programmierern ohne KI-Kenntnisse, startbereit für Deep Learning zu werden. An den einzelnen Teilen kann sequenziell teilgenommen werden, benötigte Kenntnisse in späteren Teilen werden in vorherigen Teilen vermittelt – grundlegende Programmierkenntnisse sollten jedoch mitgebracht werden.

Die Inhalte werden anhand von uns gehosteter Jupyter Books gemeinsam erarbeitet – Teilnehmer können direkt aktiv im Web-Browser mit programmieren, ohne vorher ihr eigenes System vorbereiten zu müssen. Übungen im Laufe der Veranstaltungen geben Zeit, die Inhalte zu festigen.

2: Python-Entwicklungstools für Deep Learning

Dieser Teil stellt die Brücke zwischen herkömmlicher Pythonprogrammierung und Deep Learning her. Im Vordergrund steht hier das Python-Modul Numpy, welches ein integraler Bestandteil aller mathematisch-wissenschaftlicher Python-Projekte ist und das dem Kern der meisten Python-Module im maschinellen Lernen entspricht. Im Anschluss wird aufbauend hierauf direkt ein solches Modul genauer vorgestellt: Pandas – das Modul für die Verarbeitung von tabellenbasierten Daten.

Die Kenntnis dieser beiden Module ebnet den Weg hin zu den im dritten Teil thematisierten Deep-Learning-Modulen.

Voraussetzungen:
Python-Grundkenntnisse wie z. B. aus unserem Teil 1: Python-Grundlagen für Deep Learning.

Zielgruppe:
Python-Entwickler, die in Zukunft Deep Learning verwenden möchten und bereits Python-Grundkenntnisse besitzen.

Details und Termine zu anderen Teilen dieses Schwerpunktes finden Sie hier.

Hier anmelden

Mit den geeigneten Plattformen und Entwicklungswerkzeugen lassen sich KI-Projekte sehr schnell umsetzen. Insbesondere die vielversprechenden Deep-Learning-Technologien besitzen eine Vielzahl an Entwicklungstools, die es KI-Entwicklern erlauben, weniger Zeit für aufwendige Grundlagen-Implementationen aufzubrauchen und dafür mehr Zeit für die Problemlösung selbst zu finden.

In mehreren Teilen geht es in diesem Schwerpunkt deshalb rund um die Entwicklung: Angefangen bei einem Einstieg in die Pythonprogrammierung, über die Betrachtung gängiger Entwicklungstools und -frameworks, bis hin zu Deep-Learning-Grundlagen und deren Implementation. Diese Reihe erlaubt es Programmierern ohne KI-Kenntnisse, startbereit für Deep Learning zu werden. An den einzelnen Teilen kann sequenziell teilgenommen werden, benötigte Kenntnisse in späteren Teilen werden in vorherigen Teilen vermittelt – grundlegende Programmierkenntnisse sollten jedoch mitgebracht werden.

Die Inhalte werden anhand von uns gehosteter Jupyter Books gemeinsam erarbeitet – Teilnehmer können direkt aktiv im Web-Browser mit programmieren, ohne vorher ihr eigenes System vorbereiten zu müssen. Übungen im Laufe der Veranstaltungen geben Zeit, die Inhalte zu festigen.

3: Deep-Learning-Grundlagen

In dieser zweiteiligen Reihe werden die Grundlagen von Deep Learning vermittelt. Angefangen bei einem einzelnen Neuron werden Schritt für Schritt Bestandteile moderner neuronaler Netze für die Klassifikation aufgezeigt und erklärt. Ein Einstieg in das weit verbreitete Python-Framework für maschinelles Lernen "Pytorch" wird gegeben, um anschließend gemeinsam einfache Modelle zu entwickeln.

Voraussetzungen:

• Python- und Numpy-Kenntnisse wie z. B. aus unserem Teil 2: Python-Entwicklungstools für Deep Learning
• Optional: Grundkenntnisse von KI – z. B. über einen Besuch unseres Grundlagen-Workshops – die es einem besser erlauben, die verwendeten Technologien einzuordnen.

Zielgruppe:
Python-Entwickler, die in Zukunft Deep Learning verwenden möchten.

Details und Termine zu anderen Teilen dieses Schwerpunktes finden Sie hier.