KI für Ingenieure in Simulation und Produktentwicklung
Lernen Sie was hinter aktuellen KI-Technologien steckt, welche Trends es gibt und wie Sie KI bei Ihren Simulationsaufgaben anwenden können. Diese Schulung wird als eLearning-Kurs mit freier Zeiteinteilung angeboten.
Dauer
2 Tage
- Verstehen Sie wie KI-Technologien im Bereich Simulation funktionieren
- Lernen Sie selbstständig KI-Aufgaben mit Open Source Bibliotheken zu lösen
- Erhalten Sie ein Verständnis über sinnvolle Einsatzbereiche für KI
- Lernen Sie die aktuellen Trends im Bereich KI & Simulation kennen
Beschreibung
Künstliche Intelligenz wird in immer mehr Bereichen unseres Lebens eingesetzt, so auch im Bereich der virtuellen Produktentwicklung. Gleichzeitig haben bisher wenige Ingenieure eine fundierte Ausbildung auf diesem Gebiet erhalten, sodass die Einordnung von Chancen und geeigneten Anwendungen von KI schwerfällt. Dieser softwareunabhängige Kurs schließt diese Lücke und verknüpft die Hintergründe des maschinellen Lernens mit Übungsbeispielen basierend auf Open-Source-Bibliotheken und bildet so den Türöffner für dieses Megathema. Vom Aufbau und Training von neuronalen Netzen über Sensitivitätsanalysen bis zu probabilistischen Machine-Learning-Modellen – dieser Kurs bereitet Sie darauf vor, moderne KI-Tools in Ansys (wie beispielsweise Stochos) zu verstehen und anzuwenden. Diese Tools ermöglichen es Ihnen, Simulationen durch trainierte KI-Modelle zu ersetzen und so bei vergleichbarer Genauigkeit mit einem Bruchteil der Zeit Vorhersagen für neue Designs zu machen.
Egal, ob Sie sich als Strömungsmechaniker, Strukturmechaniker oder Elektromagnetiker sehen, hier ist jeder Ingenieur, der grundlegende Python-Kenntnisse mitbringt, unabhängig von seinem physikalischen Arbeitsgebiet richtig.
Verschaffen Sie sich einen ersten Eindruck und testen Sie das erste eLearning Modul dieser Schulung ganz unverbindlich. Keine Kosten, keine Kündigungsfrist.
Detaillierte Agenda für diese 2-tägige Schulung
Tag 1
01 Einführung in das maschinelle Lernen
- Was ist maschinelles Lernen?
- Welche Voraussetzungen gilt es zu beachten?
- Erhalten Sie einen Überblick über die verschiedenen Lerntypen.
- Beispiele zu Anwendungsgebieten und Nutzen
- Ausblick: Verwendung von künstlicher Intelligenz in Ansys mit Stochos
02 Übersicht einfache Verfahren
- Grundlagen von maschinellen Lernverfahren veranschaulicht anhand von linearer Regression
- Erweiterung auf nicht lineare Regression
- Bestimmung der Modellgüte und Modellvalidierung
- Übung: Training von linearen Regressionsmodellen anhand von Beispieldaten
03 Neuronale Netze I
- Geschichte, Aufbau, Training und Vorhersage
- Übersicht der wichtigen Stellschrauben für das optimale Training
- Übersicht der verschiedenen Arten von neuronalen Netzen
- Übung: Aufsetzen und Training von neuronalen Netzen mithilfe von Open Source Bibliotheken
04 Neuronale Netze II
- Modellierung von zeitlich und räumlich abhängigen Daten
- Wie lassen sich Bildinformationen verarbeiten
- Übersicht zu geometrischen neuronalen Netzen
- Übung: Aufbau und Training von neuronalen Netzen für Zeit- und Bilddaten
Tag 2
05 Einführung in probabilistische maschine learning Modelle
- Vermittlung von statistischen Grundlagen: Verteilungsfunktionen und Likelihood-Estimation
- Einleitung zu Gaußprozessen, die wahrscheinlichste Funktion für Ihre Daten
- Ein Überblick zum Thema Kernelengineering und Kovarianzmatrizen
- Übung: Training eines Gaußprozesses anhand von Beispieldaten
06 Optimierung & Design of Experiment
- Einordnung von Optimierungsproblemen und Übersicht über Optimierungsverfahren,
- Vor-/ Nachteile von lokalen und globalen Optimierungsverfahren
- Adaptive Versuchsplanung und Optimierung mithilfe der Bayesian Optimization
- Übung: Optimierung mithilfe von adaptiven Methoden und maschinellem Lernen
07 Sensitivitätsanalyse
- Was bringt eine Sensitivitätsanalyse?
- Überblick: welche Arten von Korrelationen gibt es?
- Übersicht der Möglichkeiten Sensitivitäten zu berechnen.
- Korrelationskoeffizienten zur Variablenvorauswahl
- Varianzbasierte Sensitivitätsanalyse zur Erfassung aller Arten von Korrelation
- Übung: Ermittlung von wichtigen Einflussfaktoren anhand von Open Source Bibliotheken
08 Dimensionsreduktion
- Wieso sollten Dimensionen reduziert werden?
- Eine einfache und effektive Methode, die Hauptkomponenten Analyse verständlich erklärt
- Dimensionsreduktion mithilfe von neuronalen Netzen: Auto-Encoder
- Übung: Anwendung verschiedener Dimensionsreduktionsmethoden
Ihre Referenten
Teilnehmerdaten
Zusätzliche Angaben
Kommentar
Verschaffen Sie sich einen ersten Eindruck und testen Sie das erste eLearning Modul dieser Schulung ganz unverbindlich. Keine Kosten, keine Kündigungsfrist.
Ob eLearning, Präsenzkurs, Live Online-Seminar oder Individualtraining - wir finden gemeinsam die richtige Lösung für Sie. Gerne beraten wir Sie persönlich.
Auf Seminare und eLearning-Kurse erhalten Sie bei Buchung über Ihre Hochschule einen Rabatt von 50% auf die ausgewiesene Teilnahmegebühr.
Weitere Informationen zur Gültigkeit und wie die Buchung mit dem Code ACADEMIC50 funktioniert, erfahren Sie auf unserer Seite Akademische Schulungen.
Damit Sie sich ein konkretes Bild von unseren Online-Kursen machen können, bieten wir Ihnen eine Testversion für das Startmodul eines e-Learning Seminars Ihrer Wahl an. Keine Kosten, keine Kündigungsfrist o.ä. Gleichzeitig können Sie mit diesem Testzugang alle technischen Voraussetzungen für ein reibungsloses Lernen überprüfen. Das Gratis-Modul können Sie einfach aus jedem eLearning-Kurs anfordern.
Jeder eLearning-Tag besteht aus vier Modulen. Idealerweise planen Sie je Modul zwischen 90 und 120 Minuten ungestörte Lernzeit ein. In diesem Zeitfenster eignen Sie sich das Wissen eines Moduls an und festigen es nachhaltig mit Quizfragen sowie Ansys Übungen. Durch die Unterteilung in Mikro-Lerneinheiten können Sie aber auch kürzere Zeitfenster, zum Beispiel beim Pendeln, optimal nutzen.
Voraussetzung für die Nutzung der eLearning-Kurse ist die Nutzung eines personengebundenen Zugangs zur CADFEM Lernplattform. Beim Kauf eines eLearning-Kurses beträgt der Zugang zur Lernplattform 365 Tage. Als User einer Flatrate startet und endet der Zugang zur Lernplattform mit dem Start und Ende der Flatrate. Mit dem Start eines weiteren Lernproduktes (Flatrate, Seminar, eLearning) verlängert sich derZugriff auf Ihre Inhalte um 365 Tage.