KI-gestützte Prognose: Low-/No-Code für Deep Learning
Webinar
KI-gestützte Prognose Low-/No-Code für Deep Learning
ONLINE
Im kostenfreien und praxisnahen Online-Workshop lernen Sie, wie Sie Deep Learning mit grafischer Low-/No-Code-Software wie KNIME für Prognoseaufgaben auf Basis von Zeitreihen einsetzen.
Zeitreihen sind Daten, die zeitlich geordnet erfasst werden, wie zum Beispiel die Stromlast pro Minute. Deep Learning basiert auf künstliche neuronale Netze und hat seine Leistungsfähigkeit bereits bei einer Vielzahl von Prognosen von Daten mit nichtlinearem Charakter gezeigt.
Im Workshop nutzen wir eine exemplarische Zeitreihe und lassen ihre zukünftige Entwicklung mithilfe verschiedener Deep-Learning-Architekturen automatisch vorhersagen. Mithilfe GPT-basierter Assistenz kombinieren wir geeignete Bausteine in KNIME. Als Praxisbeispiel dient die Prognose des Stromverbrauchs eines Haushalts mit einer Abtastrate von einer Minute über einen Zeitraum von ca. 4 Jahren.
Zeitreihen sind Daten, die zeitlich geordnet erfasst werden, wie zum Beispiel die Stromlast pro Minute. Deep Learning basiert auf künstliche neuronale Netze und hat seine Leistungsfähigkeit bereits bei einer Vielzahl von Prognosen von Daten mit nichtlinearem Charakter gezeigt.
Im Workshop nutzen wir eine exemplarische Zeitreihe und lassen ihre zukünftige Entwicklung mithilfe verschiedener Deep-Learning-Architekturen automatisch vorhersagen. Mithilfe GPT-basierter Assistenz kombinieren wir geeignete Bausteine in KNIME. Als Praxisbeispiel dient die Prognose des Stromverbrauchs eines Haushalts mit einer Abtastrate von einer Minute über einen Zeitraum von ca. 4 Jahren.
Inhalte & Details
Inhalte
- Deep Learning: Grundlagen und Anwendungspotenzial
- Praxisnahes Datenverständnis
- Praxisnahe Zeitreihenprognose
- Zusammenfassung und Austausch
Ziele / Nutzen
Fragen, die in der Veranstaltung beantwortet werden:
- Was ist eine Zeitreihe? Welche Eigenschaften können Zeitreihen aufweisen?
- Welche Prognosetechniken im Bereich des Deep Learnings gibt es?
- Wie bewerte ich die Leistungsfähigkeit eines Deep-Learning-Prognosemodells?
- Wie trainiere und validiere ich ein Prognosemodell in einem Low-Code-/No-Code Softwarewerkzeug?
Wer sollte teilnehmen?
FachexpertInnen und Führungskräfte, die …
- Ansatzpunkte zum Einsatz von Zeitreihenprognosen und Deep Learning in der Bedarfsplanung suchen,
- über geringe IT-Kenntnisse und
- über keine oder geringe Vorkenntnisse auf dem Gebiet der Zeitreihenanalyse und des Deep Learnings verfügen.
REFERENTEN / REFERENTIN
THEMENSCHWERPUNKT
DIE TEILNAHME AN DER VERANSTALTUNG IST KOSTENFREI. EINE ANMELDUNG IST AUFGRUND DER BEGRENZTEN KAPAZITÄTEN BIS ZUM 01.04.2025 (20:00 Uhr) ZWINGEND NOTWENDIG!
DIE ZOOM-ZUGANGSDATEN ERHALTEN SIE AB SOFORT IN DEN BESTÄTIGUNGS- UND ERINNERUNGSMAILS DER VERANSTALTUNG!
.
