Daten & KI für Unternehmen – Einstieg
Die Nutzung von Daten und KI eröffnet Unternehmen zahlreiche Chancen, ihre Effizienz zu steigern und innovative Lösungen zu entwickeln. Doch der Einstieg in diese Themenwelt kann herausfordernd sein – insbesondere, wenn es darum geht, die richtigen Methoden und Tools auszuwählen und erste Projekte erfolgreich umzusetzen.
Dieser Kurs bietet einen praxisorientierten Einstieg in die Welt von Daten und KI. Er vermittelt einen umfassenden Überblick über gängige Begriffe und Konzepte im Bereich Data Science, erklärt den strukturierten Ablauf von Data-Science-Projekten und stellt konkrete Methoden und Tools vor, die Unternehmen die Umsetzung ihrer eigenen Projekte erleichtern können.
Die Teilnehmer:innen lernen, wie sie Data-Science-Projekte erfolgreich durchführen und typische Methoden gezielt im Unternehmenskontext einsetzen können. Anhand von praxisnahen Beispielen wird gezeigt, wie diese Methoden zur Steigerung der Wettbewerbsfähigkeit beitragen können.
Dieser Kurs richtet sich an alle, die ein grundlegendes Verständnis für den Einsatz von Daten und KI in Unternehmen erlangen möchten.
Im Fokus des Kurses stehen:
- Die gängigen Data-Science-Begriffe und Konzepte
- Der strukturierte Prozess zur Umsetzung von Data-Science-Projekten
- Überblick über gängige Data-Science-Methoden und Tools, inklusive Vor- und Nachteilen
- Weiterführende Möglichkeiten zur Vertiefung im Bereich Data Science
Datum
- 18. Mrz. 2025
Zeit
- 09:00 - 12:00
Bundesland
- Tirol
Ort
- Weisstraße 9, 6112 Wattens
Veranstalter
-
Fraunhofer Austria
-
Tel.
+43.150.46906 -
Email
daniel.bachlechner@fraunhofer.at -
Website
http://www.fraunhofer.at
Referent
-
Catherine LaflammeFraunhofer Austria, Innovationszentrum »Digitale Transformation der Industrie«Catherine Laflamme ist promovierte Physikerin mit langjähriger Erfahrung in der Konzeption und Umsetzung von Data-Science-Projekten in unterschiedlichen Kontexten. Neben der Umsetzung von Projekten beschäftigt sie sich auch intensiv mit der Weiterentwicklung von Verfahren des maschinellen Lernens im Rahmen von Forschungsprojekten.
