KI Kurs für Manager

KI Training für Führungskräfte. Anwendungsmöglichkeiten und Grenzen im Überblick

(*) zzgl. MwSt    (**) inkl. MwSt
Termin (1 Tag)
Ort
Belegung
Preise

22.06.21 –
22.06.21

Live-Online
Zoom Meeting
625,00  (*)
743,75 € (**)

23.09.21 –
23.09.21

Live-Online
Zoom Meeting
625,00  (*)
743,75 € (**)

18.11.21 –
18.11.21

Live-Online
Zoom Meeting
625,00  (*)
743,75 € (**)
Kundenbewertungen & Erfahrungen zu Enable AI. Mehr Infos anzeigen.

Seminarinhalte auf einen Blick

Über die Schulung

Über die Schulung

Inhalte auf einen Blick

Bildungsschecks

Bildungsscheck Nordrhein Westfalen
Bildungsprämie
Wir akzeptieren den Bildungsscheck NRW und die Bildungsprämie.
Künstlicher Intelligenz Roboterarm klickt auf Bildschirm.

Künstliche Intelligenz, auch bekannt unter dem Namen cognitive technologies bzw. Artificial Intelligence (AI) ist derzeit ein viel beachtetes Thema, da viel in der Zukunft durch KI verändert wird. In diesem eintägigen AI Training lernen Sie die Grundbegriffe kennen, um KI Management erfolgreich zu betreiben. An Hand von Beipielen aus dem Alltag werden Sie die Bereiche Machine Learning, Deep Learning und Reinforcement Learning kennen lernen. Wir erläutern in welchen Bereichen KI schon heute erfolgreich eingesetzt wird und zeigen derzeitige Limitierungen und Grenzen von KI Ansätzen auf.

Deep Learning Algorithmen sind datengetrieben, d.h. sie werden besser, je mehr qualitativ hochwertige Daten für das Training der Algorithmen verwendet werden. Im Allgemeinen kann man sagen, dass sich gute Ergebnisse nur mit hochwertigen Daten erzielen lassen. Das KI Seminar erläutert häufige Probleme, die in der Praxis in Unternehmen auftreten können, wenn es um das Thema Daten geht, damit Sie diese Probleme als Führungskraft frühzeitig erkennen und ihnen entgegenwirken können.

Sie werden die Voraussetzungen verstehen lernen, welche benötigt werden um Künstliche Intelligenz und Deep Learning Algorithmen erfolgreich in Ihrem Unternehmen integrieren zu können. Zudem erläutern wir auch die typischen Stolpersteine und Probleme, welche bei der Anwendung von KI Algorithmen auftreten können.

Um das gelernte Wissen zu festigen, wird zum Abschluss der AI Schulung von jedem Teilnehmer eine Projektskizze aus einem AI Anwendungsfall aus seinem Unternehmen verfasst.

Programmierkenntnisse sind in diesem Seminar nicht notwendig.

In dieser Schulung werden Grundbegriffe der Künstlichen Intelligenz, meist anhand von Beispielen, erläutert (z.B. „Trainieren“, „Supervised-“ „Unsupervised-“, „Reinforcement-Learning“). Nach dem Kurs verstehen Sie den Unterschied von den Bereichen Machine Learning, Deep Learning und Künstlicher Intelligenz.

Wir erläutern die Gründe warum KI gerade in den letzten Jahren einen solchen Aufschwung erhalten hat. Anhand von Beispielen aus dem Alltag und der Forschung veranschaulichen wir die unterschiedlichen Bereiche, um Ihnen für Ihre Management Aufgaben Ideen zu geben, wo KI und Deep Learning Algorithmen in Ihrem Unternehmen eingesetzt werden könnte. Wir gehen aber auch auf die Voraussetzungen ein, um KI erfolgreich umzusetzen und erläutern die derzeitigen Limitierungen und Grenzen von KI.

Ein wichtiger Bestandteil aller KI Algorithmen sind Daten. Sie werden in diesem Workshop Künstliche Intelligenz verstehen, dass das Datensammeln, das Datenlabeln, die Datenaufbereitung und Datenbereinigung den Großteil eines Projektes im Bereich der Künstlichen Intelligenz ausmachen und dass Daten meistens den Großteil des Intellectual Property eines KI Projektes darstellen.

Wir werden die Fragen diskutieren „Wie viele Daten brauche ich?“. Zudem lernen Sie einige Online verfügbare Datenressourcen kennen.

Zum Abschluss der KI Weiterbildung erstellt jeder Teilnehmer eine Ideenskizze eines möglichen Künstliche Intelligenz Anwendungsfalls aus seinem Unternehmen. In der anschließenden gemeinsamen Diskussion werden potentielle Hindernisse und Herausforderungen jedes Use Cases beleuchtet.

10:00 – 10:15
Begrüßung und Organisatorisches
  • Vorstellungsrunde
  • Erwartungen der Teilnehmer
10:15 – 11:45
Machine Learning Grundlagen
Grundlagen von Künstlicher Intelligenz (KI)
  • Kurze Einführung und Geschichte der KI
  • Warum boomt KI gerade jetzt?
  • Grundbegriffe der KI
  • KI, Deep Learning und Machine Learning
  • Supervised, Unsupervised, Reinforcement Learning
  • Häufigsten Probleme der KI in der Anwendung
  • Beispiele von KI aus der Praxis
11:45 – 12:00
Kaffeepause
12:00 – 13:30
Künstliche Intelligenz für Manager
Derzeitige Grenzen von KI
  • Daten Bias
  • Erklärbarkeit der Algorithmen
  • Seltene Grenzfälle in der Anwendung
  • Qualität der Trainingsdaten
13:30 – 14:30
Mittagspause
14:30- 16:00
Beispiel einer Data Augmentation, in Machine Learning verwendet
Daten
  • Datenaufbereitung, -bereinigung
  • Typische Probleme mit Daten
  • Annäherung an die Frage: Wieviele Daten brauche ich?
  • Öffentliche Datenquellen und Crowdlabeling
  • Warum sind (meist) Daten das eigentliche Intellectual Property, nicht die Algorithmen?
16:00 – 16:15
Kaffeepause
16:15 – 18:00
Visualisierung eines Deep Learning Neuronal Network
Weitere Beispiele von KI und eigene Anwendungsfälle
  • KI Anwendungsfälle aus unserem Alltag
  • KI Anwendungsfälle aus der Forschung
  • Erarbeitung einer Projektskizze eines Anwendungsfalls aus Ihrem Unternehmen

Zielgruppe der KI Schulung

Dieser KI Kurs richtet sich an Projektleiter, Führungskräfte und Entscheidungsträger, welche einen Überblick über die Möglichkeiten und Grenzen von Künstlicher Intelligenz im Unternehmen erhalten möchten und verstehen wollen, was benötigt wird um KI langfristig im Unternehmen zu verankern.

Programmierkenntnisse sind nicht notwendig

Voraussetzungen für das Manager KI Seminar

Programmierkenntnisse werden in diesem KI Seminar nicht vorausgesetzt.
Das Seminar wird auf Deutsch gehalten. Englischkenntnisse sind sehr hilfreich, da Fachbegriffe und gezeigte Beispiele aus dem Internet vereinzelt auf Englisch sind. Aus diesem Grund sind auch die erstellten Folien in der KI Schulung auf Englisch.

Didaktischer Aufbau des Künstliche Intelligenz Workshop

Diese eintägige KI Weiterbildung für Manager wird anhand eines ausgearbeiteten Foliensatzes gehalten, welcher auch als Nachschlagewerk dienen kann. Die Konzepte werden an Beispielen verdeutlicht. Fragen sind jederzeit möglich und ausdrücklich erwünscht. Das Seminar umfasst mehrere kurze Quiz, um das erlernte Wissen zu festigen und zur aktiven Teilnahme anzuregen. Eine Projektskizze jedes Teilnehmers zu einem KI Anwendungsfall ermöglicht das umfangreiche Material sofort anzuwenden.

Technik im KI Kurs

  • Die Teilnehmer benötigen für die kurzen Quiz einen Laptop. Wir empfehlen, Ihren eigenen Laptop mitzubringen. Ein Laptop mit GPU wird nicht benötigt.
  • Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
  • Sie sollten sich in firmenfremde WLAN-Netze registrieren können um Zugang zum Internet am Veranstaltungsort zu haben. Einige Teilnehmer können Sie sich alternativ auch über Ihr Firmen-Handy  ins Internet einwählen  (WLAN-Tethering / Hotspot).
  • Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit verwendete Dateien oder sonstige Unterlagen übertragen zu können.
  • Im Seminar wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein.

Für das Seminar ist folgendes Buch als Ergänzung hilfreich: Thomas Davenport: The AI Advantage. Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen. Sie sollten lediglich darauf achten, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.

Wir bieten den Kurs in folgenden Städten an: Stuttgart, Ulm. Falls Sie die Schulung gerne in einer anderen Stadt oder direkt bei Ihnen im Unternehmen besuchen möchten, kontaktieren Sie uns gerne.

Der KI für Manager Kurs ist eine Schulung in der nicht Code geschrieben wird. Der Fokus liegt darin einen Einstieg in das Deep Learning zu vermitteln. Wenn Sie gerne Deep Learning Anwendungen schreiben möchten, besuchen Sie am besten einer unserer anderen Kurse.

Über den KI Kurs

KI Schulung auf einen Blick

Bildungsschecks

Bildungsscheck Nordrhein Westfalen
Bildungsprämie
Wir akzeptieren den Bildungsscheck NRW und die Bildungsprämie.
Schulungsorte

Enable AI bietet KI Training an folgenden Orten an: Live-Online, Frankfurt, München und Stuttgart.

Warum bei Enable AI buchen

Leistungen im Kurs

Durchführungsgarantie

Die Trainer, die in exklusiver Kooperation mit Enable AI zusammen arbeiten, kommen alle aus der Praxis und vermitteln praxisnahes, aktuelles Wissen auf leicht verständliche Art und Weise mit dem Ziel, dass Sie in Ihrer Arbeit das Wissen direkt anwenden können.

Zufriedenheitsgarantie

Sollten Sie in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und es wird Ihnen die volle Kursgebühr inkl. Anreise (30 cent / km bzw. Bahnfahrt 2. Klasse) erstattet. Ohne Wenn und Aber.

Wissensgarantie

Falls Ihr(e) MitarbeiterIn unerwarteterweise innerhalb eines halben Jahres nach dem Besuchen eines Kurses für mehr als 6 Monate (Krankheit, Elternzeit, Sabbatical,...) ihr Unternehmen verlässt, darf kostenlos ein Kollege innerhalb eines Jahres ab dem Verlassen des Kollegens ein stattfindendes Seminar mit demselben Inhalt besuchen.

Hands-on Schulungen

Die Kurse sind hands-on Trainings, mit vielen Coding Übungen (inkl. digitalen Musterlösungen). Denn durch praktische Beispiele lernt man am meisten.

Individuelle Schulungen

Wenn es im Interessen der Schulungsgruppe ist, ändert der Trainer das Seminar nach Ihren Wünschen ab bzw. integriert Ihre Daten nach Rücksprache in den Kurs.

Aktualisierte Schulungen

Sollten Sie eine Schulung zweimal besuchen, wird diese nicht identisch sein. Ihr Feedback wird berücksichtigt und die Schulungen werden an die aktuelle Themen in Forschung und Entwicklung angepasst.

Trainer aus der Praxis

Die Trainer, die in exklusiver Kooperation mit Enable AI zusammen arbeiten, kommen alle aus der Praxis und vermitteln praxisnahes, aktuelles Wissen auf leicht verständliche Art und Weise mit dem Ziel, dass Sie in Ihrer Arbeit das Wissen direkt anwenden können.

Kleine Gruppen

Garantierte maximale Gruppengröße von 10 Teilnehmern. Im Durchschnitt besuchen 6 Teilnehmer einen Kurs.

Fundiertes Wissen

Vor der Zusammenarbeit werden unsere Trainer geprüft. Alle besitzen fundierte Kenntnisse, u.a. durch Studium, Promotion und Berufserfahrung in den Bereichen Mathematik, Informatik, Statistik und Machine/Deep Learning.

Thematisch ähnliche
Schulungen

Enable AI bietet Seminare im Bereich Machine Learning, Deep Learning, Statistik / Data Science an.

Weitere Seminare und Termine

Die nächsten Kurse

Übersicht über die kommenden Schulungen in Machine Learning, Deep Learning, Data Science und Statistik.

(3 Tage) Kompakter Einstieg in Python für Datenanalyse und Data Science. Grundlagen über pandas DataFrame, Grafiken erstellen, Machine Learning und erste Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, seaborn, scikit-learn.

(3 Tage) Grundlagen von Deep-Learning. Theorie der Neuronalen Netze und praktische Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Einführung in CNNs, RNNs und LSTMs zur Bearbeitung von Bild-, Text- und Sequenzdaten. Training bei wenig Daten. Bekannte Netzwerkarchitekturen.

(2 Tage) Aufbauend auf Kenntnissen in Python, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn umgesetzt und die wichtigsten Schritte beim Trainieren der Algorithmen erklärt, u.a.: Regression, Entscheidungsbaum, Ensembles, Neuronales Netz, K-Means, DBSCAN Clustering.

(3 Tage) Einführung in die Datenanalyse und Machine Learning mit R. Wichtige Datenstrukturen in R, das Paket data.table für effiziente Datenanalyse. Statistiken berechnen. Eigene Funktionen schreiben. Plotten mit ggplot2. Erste ML-Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering).

(1 Tag) Einführung in Künstliche Intelligenz, Maschinelles Lernen und Deep Learning: Voraussetzungen, Möglichkeiten und Grenzen der KI. Zielgruppe sind Führungskräfte, welche das Potential von KI in ihrem Unternehmen realistisch einschätzen möchten.

(3 Tage) Einführung in die Programmiersprache Python für Programmierer mit Grundkenntnissen einer anderen Programmiersprache. Vorstellung häufig gebrauchter Python Bibliotheken und Einführung in die Objektorientierte Programmierung.

(3 Tage) In dieser Schulung lernen Sie, wie Sie Webapps bauen können um die Ergebnisse Ihrer Data Science / Deep Learning Algorithmen visualisieren zu können und Ihren Kollegen über ein Web Oberfläche zur Verfügung zu stellen. Verwendete Pakete und Programmiersprachen sind Python, Flask, Html / CSS, streamlit, jinja, ajax.

(2 Tage) In dieser Schulung lernen Sie, wie Sie schnell und effektiv Ihre Daten und Ergebnisse mit Python visualisieren und mit anderen teilen können. Auch die interaktive Visualisierung wird behandelt. Verwendete Python Pakete sind: pandas, matplotlib, plotly, rise, ipywidgets, voila, streamlit.

(2 Tage) Aufbauend auf Kenntnissen in Python, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn umgesetzt und die wichtigsten Schritte beim Trainieren der Algorithmen erklärt, u.a.: Regression, Entscheidungsbaum, Ensembles, Neuronales Netz, K-Means, DBSCAN Clustering.

(3 Tage) Einführung in DL mit Schwerpunkt Bilddaten. Allgemeine Theorie der Neuronalen Netze und Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Use-Cases aus dem Image Processing: Bildklassifizierung, Objektdetektierung mit Bounding Boxes, Semantische Segmentierung.

In dieser Schulung lernen Sie, wie Sie Geo-Spatial-Daten in Python analysieren und visualisieren können. Das Seminar behandelt raumbezogene Vektordaten (mit dem Python Paket geopandas) und Rasterdaten (mit dem Paket Rasterio). Das Python Modul Contextily wird verwendet um fortgeschrittene Visualisierungen zu realisieren.

(3 Tage) Kompakter Einstieg in Python für Datenanalyse und Data Science. Grundlagen über pandas DataFrame, Grafiken erstellen, Machine Learning und erste Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, seaborn, scikit-learn.

3 Tages Kurs (R) mit einer knappen Einführung in die Statistik. Der Fokus liegt auf der Umsetzung der intuitiv erklärten Theorie in R, um Statistiken auf Daten eigenständig berechnen zu können und Daten mit dem data.table Paket analysieren zu können.

(5 Tage) Einstieg in die Programmiersprache Python mit Fokus auf Data Science / Machine Learning. Mit u.a. folgenden Algorithmen: Regression, Random Forest, Clustering. Verwendete Pakete: pandas, numpy, matplotlib, seaborn, scikit-learn, statsmodels.

(3 Tage) Einführung in die Datenanalyse und Machine Learning mit R. Wichtige Datenstrukturen in R, das Paket data.table für effiziente Datenanalyse. Statistiken berechnen. Eigene Funktionen schreiben. Plotten mit ggplot2. Erste ML-Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering).

(3 Tage) Grundlagen von Deep-Learning. Theorie der Neuronalen Netze und praktische Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Einführung in CNNs, RNNs und LSTMs zur Bearbeitung von Bild-, Text- und Sequenzdaten. Training bei wenig Daten. Bekannte Netzwerkarchitekturen.

(1 Tag) Einführung in Künstliche Intelligenz, Maschinelles Lernen und Deep Learning: Voraussetzungen, Möglichkeiten und Grenzen der KI. Zielgruppe sind Führungskräfte, welche das Potential von KI in ihrem Unternehmen realistisch einschätzen möchten.

(2 Tage) In dieser Schulung lernen Sie, wie Sie schnell und effektiv Ihre Daten und Ergebnisse mit Python visualisieren und mit anderen teilen können. Auch die interaktive Visualisierung wird behandelt. Verwendete Python Pakete sind: pandas, matplotlib, plotly, rise, ipywidgets, voila, streamlit.

(3 Tage) Kompakter Einstieg in Python für Datenanalyse und Data Science. Grundlagen über pandas DataFrame, Grafiken erstellen, Machine Learning und erste Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, seaborn, scikit-learn.

In dieser Schulung lernen Sie, wie Sie Zeitreihen Daten in Python analysieren und visualisieren können. Neben klassischen Methoden zur Zeitreihenvorhersage (ARMA) werden auch Maschinelle Lernen Methoden behandelt (RNN, LSTM). Verwendete Python Module sind: pandas, matplotlib, plotly, datetime, statsmodels, sklearn, keras.

In dieser Schulung lernen Sie, wie Sie Geo-Spatial-Daten in Python analysieren und visualisieren können. Das Seminar behandelt raumbezogene Vektordaten (mit dem Python Paket geopandas) und Rasterdaten (mit dem Paket Rasterio). Das Python Modul Contextily wird verwendet um fortgeschrittene Visualisierungen zu realisieren.

(3 Tage) Einführung in die Programmiersprache Python für Programmierer mit Grundkenntnissen einer anderen Programmiersprache. Vorstellung häufig gebrauchter Python Bibliotheken und Einführung in die Objektorientierte Programmierung.

(3 Tage) Einführung in DL mit Schwerpunkt Bilddaten. Allgemeine Theorie der Neuronalen Netze und Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Use-Cases aus dem Image Processing: Bildklassifizierung, Objektdetektierung mit Bounding Boxes, Semantische Segmentierung.

(3 Tage) In dieser Schulung lernen Sie, wie Sie Webapps bauen können um die Ergebnisse Ihrer Data Science / Deep Learning Algorithmen visualisieren zu können und Ihren Kollegen über ein Web Oberfläche zur Verfügung zu stellen. Verwendete Pakete und Programmiersprachen sind Python, Flask, Html / CSS, streamlit, jinja, ajax.

(1 Tag) Einführung in Künstliche Intelligenz, Maschinelles Lernen und Deep Learning: Voraussetzungen, Möglichkeiten und Grenzen der KI. Zielgruppe sind Führungskräfte, welche das Potential von KI in ihrem Unternehmen realistisch einschätzen möchten.

(2 Tage) Aufbauend auf Kenntnissen in Python, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn umgesetzt und die wichtigsten Schritte beim Trainieren der Algorithmen erklärt, u.a.: Regression, Entscheidungsbaum, Ensembles, Neuronales Netz, K-Means, DBSCAN Clustering.

3 Tages Kurs (R) mit einer knappen Einführung in die Statistik. Der Fokus liegt auf der Umsetzung der intuitiv erklärten Theorie in R, um Statistiken auf Daten eigenständig berechnen zu können und Daten mit dem data.table Paket analysieren zu können.

(3 Tage) Grundlagen von Deep-Learning. Theorie der Neuronalen Netze und praktische Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Einführung in CNNs, RNNs und LSTMs zur Bearbeitung von Bild-, Text- und Sequenzdaten. Training bei wenig Daten. Bekannte Netzwerkarchitekturen.

(3 Tage) Einführung in die Datenanalyse und Machine Learning mit R. Wichtige Datenstrukturen in R, das Paket data.table für effiziente Datenanalyse. Statistiken berechnen. Eigene Funktionen schreiben. Plotten mit ggplot2. Erste ML-Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering).

Schulungsorte

Enable AI bietet KI Training an folgenden Orten an: Live-Online, Frankfurt, München und Stuttgart.