Web-Seminare: Web-Seminar-Reihe am Dienstag und On-Demand
elab2go bietet eine Web-Seminar-Reihe an, die regelmäßig jeden ersten Dienstag des Monats stattfindet.
Weiterhin bieten wir "On-Demand"- Web-Seminare zu ausgewählten Themen an, die aktuell angebotenen Themen sind weiter unten angeführt.
#Web-Seminar-Reihe
Online-Demos zu Predictive Maintenance und Maschinellem Lernen
Jeden ersten Dienstag im Monat von 13:00-14:00 Uhr steht Ihnen unser Projektteam
für eine Vorstellung der Plattform und wechselnder Live-Demonstratoren zur Verfügung.
Die Veranstaltung findet via Zoom statt, die Zugangsdaten erhalten Sie nach Anmeldung über das Kontaktformular.
Anmeldung zum Web-Seminar
Zeitplan
| Uhrzeit |
Thema |
| 13:00-13:15 |
Kurze Vorstellung des elab2go |
| 13:15-13:50 |
Wechselnde Demos: Maschinelles Lernen mit Python oder
Predictive Maintenance mit R / Python / MATLAB |
| 13:45-14:00 |
Diskussions- und Feedbackrunde |
#On-Demand #Einsteigerniveau
Python-Tutorial
Das Python-Tutorial
bietet einen Einstieg in die Datenanalyse im Kontext Industrie 4.0 anhand der
Programmiersprache Python.
Nach einer kurzen Motivation folgt die Anleitung zur Verwendung von Python-Entwicklungsumgebungen und die grundlegende Python-Syntax:
Variablen, Datentypen, Operatoren, Datenstrukturen, Programmablaufsteuerung, Funktionen, Klassen.
#On-Demand #Einsteigerniveau
R-Tutorial
Das R-Tutorial ist eine Einführung in die statistische Programmiersprache R.
Der erste Teil befasst sich mit der grundlegenden Syntax: Variablen, Vektoren, Matrizen, regelmäßige Folgen, Funktionen,
der Erzeugung und dem Umgang mit Datensätzen. Der zweite Teil bietet einen Einstieg in Kontrollstrukturen (bedingte Verzweigungen und Schleifen) und die
Verwendung und Erstellung von Funktionen.
#On-Demand #Einsteigerniveau
MATLAB-Tutorial
Das MATLAB-Tutorial
bietet einen Einstieg in die Datenanalyse im Kontext Industrie 4.0 anhand der
mathematischen Programmiersprache MATLAB. Die Sprache des Online-Tutorials ist Englisch,
das Web-Seminar wird wahlweise Deutsch oder Englisch angeboten.
Hinweise und Besonderheiten zur Syntax werden an Beispiel-Codes gezeigt.
#On-Demand #Einsteigerniveau
Jupyter Notebook
erstellen
Das Tutorial Demo-PY1: Jupyter Notebook
zeigt die Kernfunktionalität der interaktiven, webbasierten Anwendungsumgebung
Jupyter-Notebook, die aktuell
im Umfeld der Datenanalyse und des maschinellen Lernens für das Erstellen, Dokumentieren und Teilen von Demonstratoren eingesetzt wird.
#On-Demand #R
App-Erstellung in R mit Shiny
Das R-Paket Shiny stellt einen einfachen und schnellen Zugang zur App-Erstellung mit R bereit.
Das Tutorial
Demo 4: Erstellung einer interaktiven Shiny-App mit RStudio
zeigt anhand einer Schritt-für-Schritt-Anleitung die Erstellung und Ausführung einer Shiny-App in der Entwicklungsumgebung
RStudio.
#On-Demand #MATLAB
MATLAB Live Scripts erstellen
Der MATLAB Live Script Editor ermöglicht die Erstellung interaktiver Scripts, in denen
Benutzer-Eingaben, Quellcode, Ausführung des Quellcodes und Ausgabe der Ergebnisse in einer Benutzeroberfläche
zusammengefasst sind.
Das Tutorial Demo-MAT1: MATLAB Live Scripts erstellen
zeigt die Erstellung und Verwendung von MATLAB Live Scripts.
#On-Demand #Python
Datenverwaltung mit Pandas
Demo-PY2
zeigt am Beispiel eines Zeitreihen-Datensatzes zum Stromverbrauch in Deutschland, wie die Datenverwaltung und - visualisierung
mit Hilfe der Python-Bibliotheken Pandas und Matplotlib durchgeführt wird.
Die Daten werden in der interaktiven, webbasierten Anwendungsumgebung
Jupyter Notebook analysiert.
#On-Demand #Fortgeschrittene
Clusteranalyse mit scikit-learn
Clusteranalysen haben das Ziel, Gruppen ähnlicher Daten zu entdecken.
Demo-PY3
zeigt am Beispiel eines Mini-Datensatzes für Raumklima-Daten, wie eine Clusteranalyse
mit Hilfe der Python-Bibliothek scikit-learn durchgeführt wird.
Die Daten werden in der interaktiven, webbasierten Anwendungsumgebung
Jupyter Notebook analysiert.
#On-Demand #Fortgeschrittene
Zeitreihen-Prognose mit Keras
Das Tutorial Demo-PY5 zeigt die Erstellung und Verwendung eines Künstlichen Neuronalen Netzwerks mit Hilfe der
Python-Bibliotheken Keras und Tensorflow.
Aufgabenstellung ist die Prognose des Stromverbrauchs in Deutschland für ein bestimmtes Jahr, auf Basis des Stromverbrauchs
der vergangenen Jahre.
Zoom-Kurzanleitung
Auf der Zoom-Webseite
unter dem Menüpunkt "Einem Meeting beitreten"
die Meeting-ID eingeben und den Hinweisen zur Installation des Zoom-PlugIns folgen.
Nachdem das Zoom-PlugIn installiert wurde, können Sie dem Meeting mit den oben aufgeführten Anmeldedaten
beitreten, dabei werden Sie zur Eingabe eines Benutzernamens aufgefordert.
Bitte treten Sie dem Zoom-Meeting unter Angabe Ihres Namens bei, damit wir Sie korrekt ansprechen können.
Eine Registrierung ist nicht erforderlich.