Alles auf einen Blick · Alle Fort- und Weiterbildungsangebote der DGM Akademie 2025 und 2026 in einem Flyer

Zum Flyer
Details
Fort- & Weiterbildung
Dieser Termin liegt in der Vergangenheit.

Deep Learning

Grundlagen und Anwendungen auf materialwissenschaftliche Beispiele

Wann

23.02. 09:00 - 27.02.2026 13:00

Wo

Online

Sprache

Deutsch

Zertifikat

nach Teilnahme

Die objektive und automatisierte Auswertung von materialwissenschaftlichen und werkstoffkundlichen Daten revolutioniert die Art und Weise wie wir Materialien zur Werkstoffentwicklung und Qualitätssicherung charakterisieren. Durch den Einsatz von Künstlicher Intelligenz und Deep Learning können große Mengen an Bild- und Tabellendaten effizient analysiert werden. In dieser praxisorientierten Fortbildung erhalten Sie einen fundierten Einstieg in Convolutional Neural Networks zur automatischen Datenanalyse. Sie lernen, Deep Learning für die Klassifizierung und Segmentierung von Bild- und Tabellendaten einzusetzen. Unser Ziel ist es, Ihnen das Wissen und die Fähigkeiten zu vermitteln, die erlernten Methoden effektiv auf Ihre eigenen Projekte zu übertragen und anzupassen.

Fortbildungsleitung

  • Prof. Dr.-Ing. Tim Dahmen

    Prof. Dr.-Ing. Tim Dahmen

    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH

  • Dr.-Ing. Martin Müller

    Dr.-Ing. Martin Müller

    Material Engineering Center Saarland (MECS)

Deep Learning ist ein entscheidender Baustein, um die Fähigkeiten Ihres Unternehmens im Bereich Künstliche Intelligenz auszubauen und Kompetenzen in der praktischen Umsetzung materialwissenschaftlicher Probleme zu erwerben.
Hier sind einige Gründe, warum Ihr Unternehmen von einer tieferen Kenntnis in diesem Bereich profitieren wird:

  • Grundlagen der verwendeten Software Tools: Verstehen Sie PyTorch, FastAi und Jupyter Notebook und nutzen Sie diese effektiv für Ihre Projekte.
  • Prinzipien des Deep Learning: Erfahren Sie, wie Deep Learning als Methode des Maschinellen Lernens eingesetzt wird und welche Vorteile es bietet.
  • Anwendung von Deep Learning in der Materialwissenschaft: Erhalten Sie Einblicke in spezifische Anwendungen und lernen Sie, wie Sie diese in Ihrem Unternehmen umsetzen können.
  • Theorie von Neuronalen Netzen: Verstehen Sie Neuronale Neutze und vertiefen Sie Ihr Wissen über deren Struktur.
  • Klassifizierungsmodelle: Lernen Sie, wie Sie entsprechende Modelle implementieren und damit 2-Phasen-Stähle klassifizieren sowie tabellarische Daten analysieren können.
  • Convolutional Neural Networks für Bilddaten: Erfahren Sie, wie Sie Bilddaten effizient klassifizieren und konkrete Anwendungsfälle meistern.
  • Diskutieren Sie Ihre konkrete praktische Anwendung/Problemstellung mit Expert*innen.

Nutzen Sie diese Chance, um Ihr Unternehmen technologisch weiterzuentwickeln und einen Wettbewerbsvorteil zu erlangen!