• +49 2152 1015
  • info@dif.de
 | 
 | 
Online-Kurs On Demand

Hands-On Machine Learning für produzierende Unternehmen mit Excel

In 4 Stunden haben Sie Ihr erstes eigenes Tool erstellt!

Jeder spricht darüber, jeder will damit arbeiten, doch der Einstieg in den Teilbereich der künstlichen Intelligenz stellt viele Techniker und Ingenieure vor große Herausforderungen.

Mit diesem Online-Kurs gelingt Ihnen der Einstieg garantiert.

Einfach, schnell und unkompliziert!!!

Sparen Sie bei Buchung des Gesamtpaketes

Kostenloses Einführungsvideo

Das Video zeigt die Einführung in das Thema Machine Learning

Nutzen und Ziele

  • Dieser Online-Kurs On Demand ist für Einsteiger konzipiert
  • Es sind keine Programmierkenntnisse oder zusätzliche Software nötig
  • Sie lernen die Vorteile von Data Science und Machine Learning für Ihr Unternehmen kennen
  • Sie erhalten Hands-On Übungen zum Mitmachen
  • In ca. 4 Stunden haben Sie bereits mit Excel Ihre erste Machine-Learning-Anwendung erstellt

Mit dem erstellten Tool erzielen Sie sofort erste eigene Ergebnisse

Kurs-Inhalte und Buchung

Die Bearbeitungszeit beträgt ca. vier Stunden für den Gesamtkurs, bzw. eine Stunde je Einzelteil.

Die im Gesamtkurs, bzw. den Einzelkursen erarbeitete Excel-Datei wird Ihnen zum Download zur Verfügung gestellt, sodass Sie das Tool auch sofort in Ihrer beruflichen Praxis einsetzen können.

Teil 1 – Daten sammeln und aufbereiten

  • Daten aus internen und externen Quellen digitalisieren und importieren
    – Angebote, technische Zeichnungen, Fertigungsprozessprotokolle, etc.
  • Zusammenführen von Daten aus Vertrieb/Kalkulation, Konstruktion, Produktion, Wartung
  • Filtern und Sortieren für konkrete Fragestellungen

Teil 2 – Datenanalyse und -visualisierung

  • Auffälligkeiten und Besonderheiten in den eigenen Daten identifizieren, visualisieren und Handlungsmaßnahme ableiten
  • Zusammenhänge von Daten erkennen (Korrelation)
  • Prozessrobustheit mit Hilfe statistischer Kennzahlen bewerten

Teil 3 – Maschinelles Lernen

  • Überwachtes Lernen
    – Klassifizierung, z.B. Gut-/Schlechtteile
    – Regression, z.B. zur Vorhersage konkreter Qualitätsmaße
  • Unüberwachtes Lernen zur Gruppierung von Bauteilgruppen
  • Ermittlung von Zielgrößen anhand Ihrer Daten durch Regression

Teil 4 – Evaluierung

  • Fehlertypen und -matrix bei der Klassifizierung
  • Bewertung von Genauigkeit und Präzision
  • Bewertungsmöglichkeiten für Regression (Bestimmtheitsmaß)
  • Nächste Schritte zur Steigerung der Genauigkeit
    – Sammeln und Verwenden weiterer Daten
    – Feature Engineering
    – Vergleich mit anderen Machine Learning-Modellen

Machine Learning und Data Science generieren enorme Vorteile für folgende Bereiche

  • Produktion: Geringerer Ausschuss durch optimierte Prozesse („Predictive Quality“)
  • Konstruktion: Datengestützte, fertigungsgerechtere Konstruktion
  • Vertrieb: Schneller und genauer Angebote kalkulieren
  • Logistik: Bedarfsermittlung für Materialien und Halbzeuge
  • Wartung: Ursachen für Ausfälle erkennen und Wartungsarbeiten vorhersagen („Predictive Maintenance“)

Der Kurs besteht aus 4 Teilen, die jeweils einzeln belegbar sind.
Beim Kauf des Gesamtkurses (alle 4 Teile) sparen Sie gegenüber dem Kauf der Einzelkurse.

Patrick Bernardo
Patrick Bernardo
Weiterlesen
Teilnehmerkommentar zum Live-Webinar am 27. und 28. April 2020
Mit dem Thema Machine Learning habe ich mich bereits im Vorfeld, insbesondere mit der Implementierung in Python, beschäftigt. Die Implementierung der Algorithmen im Programm Excel, das den meisten zur Verfügung steht, ist allerdings ein besseres Vorgehen, wenn das Ziel darin besteht, den Anwendern im ersten Schritt Machine Learning verständlich und nachvollziehbar zu vermitteln. Herr Triebel hat die Thematik sehr gut aufbereitet und dargestellt, ohne zu sehr auf den mathematischen Hintergrund eingehen zu müssen. Ich freue mich auf weitere Webinare, die das Thema Machine Learning behandeln und einen tieferen Einblick in die Thematik gewähren.

Kurs-Inhalte

Alles ausklappen
Teil 1 – Daten sammeln und aufbereiten
Lektion Inhalt
0% abgeschlossen 0/2 Steps
Teil 2 – Datenanalyse
Teil 3 – Maschinelles Lernen: Lineare Regression
Lektion Inhalt
0% abgeschlossen 0/2 Steps
Teil 4 – Evaluation

Ihr Referent

Jonas Triebel hat Kunststofftechnik und Wirtschaftsingenieurwesen in Darmstadt und der University of Massachusetts, USA, studiert. Seitdem war er bereits als Trainer, Consultant und Speaker in den Bereichen Digital Prototyping und Manufacturing tätig.

Unter anderem war er maßgeblich an der Entwicklung einer Lösung zur automatisierten, digitalen Bauteiloptimierung für einen skandinavischen Medizintechnikproduzenten beteiligt.

Nach mehreren Jahren im Bereich der Digitalisierung und daten-getriebenen Optimierung von Bauteilen und -prozessen stellt Jonas Triebel sein enormes Fachwissen dem DIF für Webinare, Online-Kurse On Demand und Inhouse-Seminare zur Verfügung.