Künstliche Intelligenz in der Produktionstechnik
Übersicht
Weiterbildungsangebot mit Prüfung
Zertifikat
Umrechnung in ECTS auf Antrag möglich
Technische Universität München
Garching
bis
Englisch
2.365,00 €
Berufsbegleitender Kurs
3 Tage
Wissensgruppen und Schwerpunkte
Wissensgruppen und Wissensbereiche
Gesamtkosten
Die Gesamtkosten des Weiterbildungsangebots belaufen sich auf 2.365,00 Euro.Lehr- und Lernformate
Berufsbegleitender Kurs
Fallstudien (Präsenz)Lerngruppen (Präsenz)Tutorien (Präsenz)Übungen (Präsenz)Vorlesungen (Präsenz)
Information
- Asynchron: Bei einem asynchronen Konzept werden die Kursmaterialien (Texte, Präsentationen, Podcasts, Screencasts, Videos) zur Verfügung gestellt und die Teilnehmer können diese zu einem anderen Zeitpunkt abrufen bzw. bearbeiten.
- Synchron: Bei einer synchron stattfindenden Veranstaltung sind Sie und Ihre Studierenden gleichzeitig in einem virtuellen Raum oder auf einer Plattform anwesend.
- Präsenz: Bei einer Veranstaltung vom Typ 'Präsenz' ist die Teilnahme am Standort der weiterbildenden Hochschule erforderlich.
Unsere Dozierenden betonen die hohe Praxisrelevanz des Themas; Teilnehmende können die erworbenen neuen Methoden und Werkzeuge sofort auf reale Datensätze aus der Produktion und Produktionstechnik anwenden.
Das Programm richtet sich an Entscheidungsträger/innen, die in der Fertigungsindustrie tätig sind. Sind Sie Produktionsleiter/in oder Performance Manager/in? Sind Sie Wirtschafts- oder Maschinenbauingenieur/in? Sie möchten besser verstehen, wie man Daten zur Lösung von Problemen in der Produktionstechnik einsetzt? Dann ist dieses Programm genau richtig für Sie!
Angebotsdauer: 3 Tage
Workload: 1 Woche
Fristen und Termine
Angebotszeitraum
%3b%7d.cls-4%7bstroke:url(%23Unbenannter_Verlauf_32-2)%3b%7d.cls-5%7bstroke:url(%23Unbenannter_Verlauf_32-3)%3b%7d.cls-6%7bstroke:url(%23Unbenannter_Verlauf_32-4)%3b%7d.cls-7%7bstroke-linejoin:bevel%3b%7d.cls-8%7bstroke:url(%23Unbenannter_Verlauf_32-5)%3b%7d.cls-9%7bstroke:url(%23Unbenannter_Verlauf_32-6)%3b%7d%3c/style%3e%3clinearGradient id='Unbenannter_Verlauf_32' x1='469.9' y1='-3439.56' x2='526.28' y2='-3439.56' gradientTransform='translate(1077.25 -3235.87) rotate(180)' gradientUnits='userSpaceOnUse'%3e%3cstop offset='0' stop-color='white'/%3e%3cstop offset='1' stop-color='%23796363'/%3e%3c/linearGradient%3e%3clinearGradient id='Unbenannter_Verlauf_32-2' x1='703.59' y1='-3439.56' x2='759.97' y2='-3439.56' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-3' x1='-2439.85' y1='-3439.56' x2='-2383.47' y2='-3439.56' gradientTransform='matrix(1%2c 0%2c 0%2c -1%2c 2632.06%2c -3235.87)' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-4' x1='-2208.03' y1='-3439.56' x2='-2151.65' y2='-3439.56' gradientTransform='matrix(1%2c 0%2c 0%2c -1%2c 2632.06%2c -3235.87)' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-5' x1='-2039.28' y1='-3580.28' x2='-1982.9' y2='-3580.28' gradientTransform='matrix(1%2c 0%2c 0%2c -1%2c 2632.06%2c -3235.87)' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3clinearGradient id='Unbenannter_Verlauf_32-6' x1='870.26' y1='-3580.53' x2='926.65' y2='-3580.53' xlink:href='%23Unbenannter_Verlauf_32'/%3e%3c/defs%3e%3cg class='cls-1'%3e%3cg id='Ebene_1' data-name='Ebene 1'%3e%3crect class='cls-2' x='115.62' y='203.74' width='568.75' height='446.88'/%3e%3cline class='cls-3' x1='607.36' y1='203.69' x2='550.97' y2='203.69'/%3e%3cline class='cls-4' x1='373.66' y1='203.69' x2='317.28' y2='203.69'/%3e%3cline class='cls-5' x1='192.2' y1='203.69' x2='248.59' y2='203.69'/%3e%3cline class='cls-6' x1='424.03' y1='203.69' x2='480.41' y2='203.69'/%3e%3cline class='cls-7' x1='283.13' y1='274.8' x2='283.13' y2='114.39'/%3e%3cline class='cls-7' x1='515.64' y1='274.8' x2='515.64' y2='114.39'/%3e%3cline class='cls-2' x1='105.65' y1='344.4' x2='684.38' y2='344.4'/%3e%3cline class='cls-8' x1='592.78' y1='344.4' x2='649.16' y2='344.4'/%3e%3cline class='cls-9' x1='206.99' y1='344.65' x2='150.61' y2='344.65'/%3e%3cline class='cls-7' x1='516.35' y1='582' x2='516.35' y2='512'/%3e%3cline class='cls-7' x1='281.39' y1='582' x2='281.39' y2='512'/%3e%3cline class='cls-7' x1='517.22' y1='475.65' x2='517.22' y2='405.65'/%3e%3cline class='cls-7' x1='282.26' y1='475.65' x2='282.26' y2='405.65'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
bis
Anmeldefrist
bis
Voraussetzungen (Zugang und Zulassung)
Erster berufsqualifizierender Hochschulabschluss und Praktische Erfahrung
Bei mehreren ersten Hochschulabschlüssen reicht es in der Regel einen der genannten Hochschulabschlüsse vorweisen zu können.
Bachelor/BakkalaureusDiplomDiplom (FH)FakultätsexamenMagisterMaster/MagisterMasterStaatsexamen
Gilt auch für die als gleichwertig anerkannten Abschlüsse
2 Jahre Berufserfahrung
Zu erwerbende Kompetenzen
Das Programm vermittelt moderne Methoden der künstlichen Intelligenz und des maschinellen Lernens (ML) angewandt auf Probleme der industriellen Fertigung. Teilnehmende lernen verschiedene Techniken der Merkmalsextraktion und -auswahl kennen, um Rohdaten in einen aussagekräftigen Datensatz zu verwandeln. Anhand von realen Beispielen aus der Produktionstechnik lernen Teilnehmende, wie sie die Ergebnisse von ML-Modellen interpretieren können.Anerkennung hochschulisch erbrachter Leistungen
Bei Fragen zur Anerkennung wenden Sie sich bitte an folgende Ansprechperson(en) bzw. Kontaktstelle(n)
' xlink:href='data:image/png%3bbase64%2ciVBORw0KGgoAAAANSUhEUgAAAFoAAACICAYAAABnXvwmAAAACXBIWXMAAAsSAAALEgHS3X78AAATjElEQVR4Xu1cT6g9SXX%2bzqm67/dbhIkughiDRHRgzEBkBAUNAUMGJETcTYRAVrox4EoEiYMLXQwxOjKSLIYoweAik80Qwc2EgIugBBcDWWTjQpAQFwOR7JzgvM6i61R/dar676373v2ZOVB0d9Wp09Xf%2bfrUqbr9njz9nvcMeFOa8s8//rGs6WwVXVOYE1WFiECk21gOyyXGonoYmqbEcwxqCACA4fZ2RbMUmbnnXjssvcfSW%2bKRG3nn7Hu0UVoO7mGnh41LyCKjt76Kewa6ZPOaxtJb4trNNjF%2bw%2bvaw04PG8BGO51lNnTsYQY/2p5%2bXuYg2mOz11h6Swwxrumsin%2bco4wJB/ux9BpLb4k9otS1PAxwXWNhacbovYPdk1It2W7Zua%2bx9JaoIWAY6sXh2iTJIimHPVfkisbSW%2bKRFZXpt0A5V65lLHvHsSar6d2csIO2PuTavbba8XKJsfSWWaB3xa9ecXHGzr2MpbMsLsE3e51sbO7TkmsaS2c5a1PJpNcD9bDTw8YlJOLAwFQVGAYMwHS8J7nUWHoQkOUwo5XSqNuNcXHtXlvteLnEWHrLLqD36M5JDxtAHzs9bGyVAuhL3fiI3SN9tsil7K5JjKcTbt94I1fogZXVkT4t0RCuZiy9JQL3PzgRyZPZNY2lpxxeGfIruHUC8lL9DNXBTg8bl5BdkyHQXk3ts1AK29tr55Jj6S2bf5xdcsgeDvWw08MGcHkWs%2bxi9B5dL%2bf0bck59s7pe1Qu/iv4VhtAHzs9bFxCmpPhXo%2bvTUBb7bXsbO1r0mssvaVg9NZ47cX36mGnhw3guJ3eUk2GRzxuHDrSl8Vz8Yi9XmPpLTF0WCAUb8UZcfCaxtJbzv%2boA9f1QNc0FpZ4zpLX2LM2AbEs5sA77HjpPZbespjeXWogR%2bwe6bNFLmXXy%2bqC5Qjjj/TZIkfsHulzCYnxdFrTOSRrDmzJkT5b5FJ290iXb%2b96fJzYS65pLCybN5VasvejlTnpYaeHDeByWcvu/ei9%2bsCxPlvkiN0jfXpIBfQhhm9IqTbZdXY29fHSayydpRk6dns92djdz8s1jaWzRO0woF4P1cNODxuXkENfKr0p%2b%2bXug9X/U3kT6DuSLrt3j7RQ6JR0fYlg%2bqsBtE9RZ9S2iE2m59hoyXUB3eEh85dGc%2b1LbSKV03pJlxidB9gosqdgA8hL91LNr35V0j2W%2bvrxPPfZz563niepGS3zj7rIhoW2JRERDMMAe2UHHLOV8%2beF8bO09MVd95Tdex2tgQjSZs5OW6bNq1PhTaGN9sSBNaz0y/c1RnPbxnvuFX32hRe2W06DEFfGpplXdq6YLdcP/Pqu2QCgpidTaFgLURAKM602vu4kY%2bhYMVi1tvSNiRsGJ0ghorW3UdXMi2dycW%2b/XUqOrSQ5q1XfSxRYZw2A8abm8ZaetW%2b050EyG2t9rWiDidkejRXUlu/p%2bk49qU0VMQQ8/4UvdJkQp8nQea%2b8cjLj6S3x1T9UrbB456QifNEcq2fubBjwYCe9EELlwHOkGTr8TdfEtFYnIZHxlW7dz%2bpav5BsANbXm5XWs%2bQdy3Qs7o8J5J5xuhk6ADRB9npZP3m%2baqPB2oBzeOB6B2RVctPMa2711Ke4jypUZCytSZBy6BgjVHWsS%2bVvvvzls8NHwehV38mKxky7SJkrt9o3iQe6pZJPSidmR6C8nxp7rd45Ycs9t4gCwF88/3z9qDZILjPCrCqKDRblwxVs8nYb9ylY63QzI93KLoSQ65ihSnX2GYI2bCw97xGhlcI2UFkyC3JF28YasEX7nH6yyYBlgJx%2biHHSYWCTvtWJ6uQQqhORnNWoKuLphG999atnhY/VTaUClgUHGCD8c38F6lg5HuqWSgdA%2bcq7dm6za/sySSRtLiXntfpoCAVZ8lG11EuOOEdyb7Hi2AEuput0ZKYtVYwPawULILOOSJUrM%2bOqcxFojDAWGluZ9TmESJr0rE4EGsJU6K053dwghIAQAv7%2bG984zOrZPHpOZE4vAWST3tLk5/v4e6vq2N%2b1eXt8zZOaOQwAkOwU3%2bCZHso3wB9DcpxlLavPsyCL70PFJr6Rb6M%2bfDTdrG%2bsosFzKXJYYqzSeRFnEyDa6JP1dPoEQUQQVKEhZCCZwXa0NE9DyPoaAv7hxRcPsVo4pv7l5z43b8QAnFVIQgDnM9/X65BzWqypHEznljl4B7dsmRN8u4hku3YebUIl59mbFmLEM5/85CoULLOTYeuBF8UG7jaX1sDla56EBNPWa9NhDZCzLvXJIHJbA1hujxYyCGS7h8XtvdL6NKgAYVZsIFQAVBNUS68qWqZrrby2SLtc6KiKjSPpFLGWwoM/1xBwOp2qidHK6eZmDCUh4HsvvbQrhBRA50F6LQ%2bYvYJUxzO4B3vtmrOBlt1W3G3diwGza4vfHjTT42vLvyvHyegsAHjw8GEG%2b5WXX94Mdhk6pIS4%2bco2dEVknN1d/6J9uijs%2bHBRHP142BFUr6rTGN24zCGQKRMS0mV7rbeE3waR0WExRoRUtkrJaC42gDQIu/Z1edCOdTxY0DmDKOIY647qbOZrYGKkX2qTLmcwa2yOp1PF7uDqTC/EOObWqvjXV17ZxOoi6wCAv/r85wfPZADVBGZ1opp1i34rk6L1NUfl/mRH/P20Zj/reVuZjTI5PLPa9GVKKa1fPJ2yw9iBtnix1NAWMiEEfPAjHykH66Tifh70eNFsq3RpkOB%2bpO/tqU4vUwW204UBxTpUV9yfQDYdBnbgOgJTgJHBXCflWxLTRGng2rmq4tUf/GB46sMfngX7LKABFCwDUIDAv4xL0h2GoQDZgyv5VLK%2bAbEGrrW3Yq3ZgwiG29tRL4SS%2bTqFJ9VpgraQIarTCtGNGwD%2b49VXh9956qkm2FXoAFD8TlaBKxM7%2bDoDSsCyZfHtbJcGbaHI2vNEl8a5BLC1c2y2Nl/MgQWALlQw8PF0yiy2%2bG9zRNAxpp8ePMDNzQ3e/d73VmA3p805EPJ1evAMSqpvnpNkJrv2ph0%2buvMWuHY0YNAAGVSynonTzSAnJ3B%2bHQjg04MH437JMOT6//zJT4bfete7isc/BDSAOmRYH9Jn5gxwdls26JwBk2QzrxTdPU0v%2bD6m60GU6YeBYgHUCB05I5kB2eL1AIxpX2p/7Wc/G37j7W/PD9wMHQDwwhe/yBvL4wHTQ8HOs8o84LyTN%2bugRl%2belAQonJUBJH2LuQwsn1vaNtze4nRzk%2beLJuB0fZNYq6oTyLRKtLZ4OuVySsfH3vIWAZY2/gkoBqVgpdOhlkL2pmUWl/l%2bImPOXex/mEMcoB7kImYDE0iquDWwZcq1DeCCzQxyAt5nH0ZaG5Oq4vVf/GJ48PChLG4qeaC5jS5qh3g9B0wB9EKbB5r1fV9jcwtgu7bCgEaRchJ0bM4lgWw5dlGfCjB%2bqhAohADAMAzD6u5dBUy6ZnDZDfZg%2bXwprnJ/A1DL1MwDa6xmOz6eq7MhIoVdDyBAy29zgtBeSaoLvCrkBUuM2Y7pZ%2bel%2btkYDQB//aUvjT%2b7qZZ7GfaQpNvKHICZ9MyOBDK3MVAGHl97WxxqOEx4kDk%2bZ1ansACgYjKDbOEGGCc9TQDHVEL65wW2D1IdsSAZWDgguZ1Bb52zDjlK3JHbPbAV0KRrIGeAF9gMTPHZ2MzMHm5vC0abTcsuLI3TBGDesST9FsgiMh%2bj%2bWEArLKXzwFiGZIdLX8HbAE9x2TAgZ/0hmH8p7EtgKvwoeWE1yowkDVtSAG4efiw0MmAJlD5OsaYv5KldgFWfjP882eflWqwqtWk48%2bzI1xbtbHvAIC3m8ZhdV6sD5KujauwYWMmEFuOMcA0BMQE3OnmJutaHs3/30REpv0PYnGM0SbNPOjVDVV%2byILB9ODi6%2bzBDSx66KEVq1HnwNZW6DlgtAWaObJRf0rbnhyHZ68DLbFDncbxZGi/L4YQgDQuw8lkcTI0efG55wYPcAvoDLBqpWcPnDMGkcpxXLKtBsBWF0Oa0Qlw/7Yw6PkH1wWQQ3r9TzFCCcwMeIwYhiGzNsfjlPaFifUF0quMBlCEglznwM2AuXYPmqhOKV/qp86%2bd4RIGXOzvZAyBtvhUy117drON4CsqhiAnDd7fQOT0zi7n7GcYMiyidEA8Ldf%2bcqY6jUAZqAL0Ahgr8e2WkxeAjgYMxOAdl%2b20wonnK5VINOvKUj3iKfT9A2ICyMDpsUJ/7SVMpUK6E2MBhosS0cATQCbQBOwFkI8m2cBpgKUOS%2b/cXPxOaZN/YKF5gD3kxWQHAeMsTfGGugUp7eADOxgNAB862tfG%2bYAZhArgJIeA2XinQKRPKnITDEdBiszm0GmthBjc%2bOo%2bl0wpC1PAi%2bDqJqzCoiUIMcIQR0yTDYzGkABml0XbYkFLYCzvtVPHXN9zolnwM3XQBU77ZgXHQR41pNyP%2bN0c1OEEDsH2w%2b0oZTAhkgBcAhhEWRgJ6MB4O%2b%2b/vWhAG48mSY2AsV0mkCn%2biFtmDcBXSg5TjuGVv11ChuLsTqBqKoTo43NM8wWjLE8nE6rQO9iNICJtWgD7UGeOrbHYQzKapicUxV1Exxdc1gAULC6AJlCBTuqyWhjM5%2bHcUFjuq1UriW7GQ1g%2bk6YAG4xuXWsGOcBXCqkF%2bhhC2bLtGCwc3tjfDxeApoZPHfUhcnPy25GA1MIAFDHbJnAr46uANP/jM51K6DzooNZ7cESneL1FpBVtcjLLZSwc0HPvVcW9zrm5M8%2b8xnxr3gG0uqp3dqYdXYtSt%2b8qeYUrChhSq0ANN%2bACoAU%2by0PFhApuK%2bB6e%2bnWnwXzandXjYDBxkNjA8LIOeakHkmG7jjZQ1%2bfmAH3lx9kabZeaNOCDQPoq9joAFM4KoWAB8BGTgHaALOjquhws6tH4HZzBjmACdA7a3I59SuOsXnOYDzW0bXAE2GjbIXZOBg6ACAP/30p6UAAqhYzA8h4lZt/IAOPH6dc/Ege9vUN9839TEAfbjzNquw5R28iMiyHGY0MIUPNQfzA4tk4PM5FaR6z0wV%2bhCRH5JK00EOYLsf58wVW/lI50A7dBxlM4Bj6R3LP37zm3mzyZcC3FGpas9pGoHWsmd9W39bUoBsjjOQGzEaaK/8uL2Vzh0FGTgjdJj8yac%2bJR4QK0W9gUDFLyg8YxlAY1URMpyO2SrabQx0nVneALlwivVdA2GDnBU6TPzrWjERqOsMVALZ7BhglT0D1DmIQWZw2TFKdgAUDvIFIlPoCGH8Q1Gch/fZocPk5W9/e2gBOVdnIHiA/XWxSSQy/XWsgRxCczINxM6K9akUH8MshA4x75wh3YAGgH/6zncy2EugW8nZwAzIIlLFdkvXlkC2%2bOxZ6wGPE5BT%2bqYKwfbNoq3SJXSY5IddAJjr10A2EAEKPdbGIFNbwXQD12yn%2bsKWUq7tHCbpJ7ce0pXRAPC9l14ajIlLgBtYDE4LZKsDpn2RYlJkENO1TXYFeASy2eYvlngiNBvoxGagQ9bh5Y8/8QlhtvCDNgsD6hwEIB8tV88MhzU755Etvq/FbNu/KP4giMehOU53Axm4ANAA8EfPPCMVAMxS74RU75nFC4b852mewXxOALMOT7yFU8mx%2bXzt4Q5K1xjNUsRCYD6EpAf3qZloGW/ZGQCqcMEM5vi9lN202Jyuu%2bPdPUaz/Mt3v1tkIR7sDMgCyD4eA%2blXGZmYywzmH2GXQLYvQhvxuTvIwIVCh8kffvzjUgCbCl%2b3WNUCihlt4YBDR27bAHJmvnPWpUAGLgw0APzBxz4mxWvJD%2bZBJPCLVR0DHKc/1LQ3wpxnuXPOtZ1j%2bTrw/dceooNcLEazcBwVmcmlGfBG%2bpZZqOmTLQIfQP4fGs3Uz%2bym89Yv6JdkM3AHjAaA3//oR4XZa6xqgqya2%2b0bPSvmJP9NXMp5R9CJod6p%2bR7OeZcGGbgjoAHg955%2bugghLZBzXCUAg4UHBpdCA4Ap9zYhp4grKgIkh%2bRyB3LRrKMl//b97%2bdMpNr2TEAUocGt2FifU0KbHCFStfvQU0ykd8Bm4I5iNIuGMC0SZkATIDM7M7cBmtkx4AYgh5XCprNFb8SdgAzcA6MB4NUf/nCwrzELgBM4AzDLRhEKI8RMVfqZqtFm/eyeuEOQgTuM0SxPfehDYsCYWNhgcCuQXZ1jZ9UmdA%2b7tlXqXcu9MNrk33/0o8GDqQkED66x3c5DmP5exBhbOcniNkqmA3eSOhdyL4w2%2bd0PfEA4G8is2wByjsFSxu%2bWZJaP7XcOMnDPQAPAk%2b9/fwbbh4BcWiCTI4JOE2MVPswR9xAuWO4daAB44n3vKxc0SnvOxHK/6iucE6ZfSXwsJ/17Q/sqgAaAx598stoTYcB4/wJAkS%2bLjrHXltZZSmfcG8jAFQENAO9%2b4gkpJjVarABorvTsD/DtWIWdkc33CjJwZUADwG8//rgI6FsR0OLGALZzYzQDD5r87h/fLPea3i3Jf/30p4NI/ckYnxvTM3sby3C5pyzDy9Ux2uQ33/lOqSbFhQJiL/W7CpCBKwYaAN72jneUE6SUq0ffxoBfU9gArjh0sPz3a68NRarGoQSNVaTcf5bh5ZEA2uR/fv7zvGTnCa/InUdWXxXIwJWHDi%2b//ta3So7LJXt5OX51IAOPGNAA8GuPPSYWMgBKA68T3yyPVOhg%2bd/XXx9kChX2Xd7Vov3IAm3yxi9/OaQwcrUgA8D/AYYlbiOS5g/lAAAAAElFTkSuQmCC'/%3e%3c/g%3e%3crect class='cls-3' x='75' y='75' width='365.63' height='203.13' rx='101.56'/%3e%3c/g%3e%3c/g%3e%3c/svg%3e)
Zane Potasa - TUM Institute for LifeLong Learning
Mitarbeiter
AI.production.engineering@lll.tum.deQualitätssicherung
hochschulinterne Verfahren
Standorte und kooperierende Hochschulen
Garching
Ansprechpersonen und Kontaktstellen
Webseite des AngebotsAls eine führende unternehmerische Universität sind wir ein globaler Tauschplatz des Wissens und gestalten die Zukunft mit Talenten, Exzellenz und Verantwortung.
Prof. Dr. Thomas F. Hofmann
Präsident der Technischen Universität München