Digitale Demonstratoren
Ganz neu, können Sie jetzt unsere ersten digitalen Demonstratoren direkt über unsere Website nutzen. Bisher präsentierten wir bereits an unseren Standorten Köln und Aachen oder bei passenden Events unsere vielfältigen Demonstratoren. Mittels unserer digitalen Demonstratoren können Sie nun auch online – und damit ganz unabhängig davon, wo Sie gerade sind – durch eine spielerische Auseinandersetzung und interaktiven Elementen komplexe Sachverhalte wie Maschinelles Lernen besser verstehen.
Klicken Sie sich gerne durch unsere Sammlung:
Vom Datensatz zum maschinellen Lernmodell
Vom Datensatz zum maschinellen Lernmodell beschäftigt sich mit einem Datensatz, der von der Arktisforscherin Kristen Gorman erstellten Datensatz, der verschiedene Merkmale (Eigenschaften) der drei Pinguinarten „Gentoo“, „Chrinstrap“ und „Adelie“ enthält. Auf der Basis der verschiedenen Merkmale und mithilfe von Techniken des maschinellen Lernens kann ein Klassifizierungsmodell entwickelt werden, um die Pinguine korrekt zu klassifizieren.
Das Hauptziel dieses interaktiven Lernprogramms ist es, (auch ohne Programmierkenntnisse) zu zeigen, wie man Schritt für Schritt ein beliebiges maschinelles Lernprojekt bearbeiten kann.
Mit anderen Worten: Es wird gezeigt, wie man eine erfolgreiche maschinelle Lernen-Lösung von der Problemstellung (erster Schritt) bis zum Einsatz (letzter Schritt) erstellt.
Darüber hinaus gibt dieses interaktive Tutorial dem Benutzer die Möglichkeit, eigene Experimente durchzuführen, indem er zum Beispiel verschiedene Klassifizierungsmodelle auswählt und wie sich die Auswahl des Benutzers auf die Klassifizierungsergebnisse auswirkt.
Vorausschauende Wartung mit KI
Vorausschauende Wartung mit KI behandelt einen synthetischen Datensatz, der die reale vorausschauende Wartung in der Industrie widerspiegelt, um Ihnen zu zeigen, wie maschinelles Lernen zur Lösung von vorausschauenden Wartungsaufgaben eingesetzt werden kann.
Sie lernen, wie Klassifizierungsaufgaben mit verschiedenen Klassifizierungstechniken gelöst werden können. Darüber hinaus gibt dieses interaktive Tutorial dem Benutzer die Möglichkeit, eigene Experimente durchzuführen, indem er zum Beispiel verschiedene Prozessmerkmale oder verschiedene Klassifizierungsmodelle auswählt und untersucht, wie sich die Auswahl des Benutzers auf die Vorhersageergebnisse auswirkt.
Wichtiger Hinweis: Sie sollten über Programmiererfahrung verfügen, um dieses Tutorial nutzen zu können und um zu verstehen, wie maschinelles Lernen funktioniert.