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

Name: *
E-Mail: *
Betreff: *
Nachricht:
Daten­schutz: *


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 5: MATLAB Live Scripts 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.