Datum/Zeit
Date(s) - 29. April 2026
09:00 - 12:00
Veranstaltungsort
online
Praxis
Beschreibung
Deep Learning ist ein Teilbereich des maschinellen Lernens, der auf künstlichen neuronalen Netzen basiert. Die Veranstaltung vermittelt grundlegende Konzepte, Funktionsweisen und typische Anwendungsfelder von Deep-Learning-Modellen. Teilnehmende erhalten einen strukturierten Überblick über Modellarchitekturen, Trainingsprozesse und Anwendungsfelder.
Freistellung gem. § 37 Abs. 6 BetrVG, § 45 Abs. 5 SPersVG bzw. § 41.1 LPersVG bzw. § 46 Abs. 6 BPersVG oder nach § 19 Abs. 3 MVG bzw. § 16 Abs. 1 MAVO
Inhalte
- Einordnung von Deep Learning innerhalb von KI und Machine Learning
- Aufbau und Funktionsweise künstlicher neuronaler Netze
- Trainingsdaten: Anforderungen, Aufbereitung und Qualität
- Modelltraining, Validierung und Evaluationsmetriken
- Überblick über zentrale Architekturen (z. B. CNN, RNN, Transformer)
- Technische Infrastruktur (GPU, Cloud, lokale Systeme)
- Grenzen und Risiken
Beantwortete Fragestellungen
- Was unterscheidet Deep Learning von klassischen Machine-Learning-Verfahren?
- Wie sind neuronale Netze strukturiert und wie werden sie trainiert?
- Welche technischen Ressourcen sind erforderlich?
- Wie wird die Modellgüte bewertet?
Zielgruppe/Vorkenntnisse
- Fach- und Führungskräfte mit Interesse an KI-Anwendungen
- IT-Verantwortliche und Digitalisierungsbeauftragte
- Technische Mitarbeitende mit Grundverständnis digitaler Systeme
- Grundkenntnisse in Datenverarbeitung oder Programmierung sind hilfreich, aber nicht zwingend erforderlich
Hinweis
Der Projektträger fordert von den Unternehmen die Einreichung einer Freistellungerklärung für den Zeitraum der Veranstaltung sowie eine KMU Erklärung. Diese Dokumente dienen dem Nachweis, dass die Fördergelder im Projekt RZzKI ordnungsgemäß verwendet wurden. Nach Ihrer Anmeldung erhalten Sie diese Dokumente per Mail mit allen weiteren Informationen.