Ablauf einer Beratung zur Einführung in ML

Die Industrie-KI GmbH übernimmt grundsätzlich nur bei solchen Kunden Verantwortung für Projektberatung in Projekten über Machine Learning, die über Mitarbeiter verfügen, die eine Einführung durch uns in dieses Themenfeld absolviert haben. Damit wird sichergestellt, dass wir uns in der gleichen Sprache mit gleicher Terminologie und gleichen Erwartungshorizonten unterhalten. Künstliche Intelligenz ist heute (leider noch) ein Themenfeld, in dem viel Halbwissen, unklare, praxisferne Vorstellungen und Erwartungen und teilweise absurde Vorstellungen über aktuelle, potentielle und zukünftige Fähigkeiten und Risiken in technischen und ethischen Bereichen existieren. Damit möchten wir uns in Projekten nicht auseinandersetzen, sondern wollen auf einer gemeinsam verstandenen und getragenen Basis aufsetzen. Diese entsteht in der Beratung zur Einführung in Machine Learning.   

Diese Beratung beginnt mit einem kostenfreien Erstgespräch, in dem die technischen Voraussetzungen des Kunden und der daraus resultierende Bedarf an Infrastrukturbereitstellung sowie inhaltlicher Breite und Tiefe geklärt werden.

  • Die Serverinfrastruktur sollte für 16 Teilnehmer mindestens 2 Intel dual-XEON-16-core Systeme mit 128 GB Memory und einem Linux Betriebssystem enthalten. Verfügbarkeit von PCI-basierten Zusatzkarten mit nvidia CUDA-fähiger Beschleunigung ist sinnvoll aber nicht notwendig 

  • Diese Infrastruktur kann lokal beim Kunden oder durch Industrie-KI in einer Cloud bereitgestellt werden. In jedem Fall hat die Industrie-KI GmbH direkten Zugriff mit  Installationsrechten auf diesen Servern.

  • Die Industrie-KI GmbH wird für alle Teilnehmer Benutzerkennungen einrichten und alle erforderlichen Softwaresysteme und Datenkontingente installieren. Die Server müssen jederzeit mit dem Internet verbunden sein um Ladevorgänge aus Beständen wie github zu ermöglichen. 

  • Der thematische Inhalt der Einführung kann die  folgenden Themenkomplexe umfassen​​. Für jeden Kunden wird daraus ein möglichst kompakter und für die potenziellen Einsatzfelder des Unternehmens möglichst zielgerichteter Bereich ausgewählt und bedarfsgerecht detailliert:
     

    • Überblick über KI, ML und die historische Entwicklung von KI und eine Einführung in die mathematischen und softwaretechnischen Grundprinzipien von ML. Industriell relevante Teilgebiete des ML im Überblick

    • Lineare Regression: Analyse kontinuierlicher Daten

    • Logistische Regression: Analyse diskreter Daten, Klassifikation, Vorstufe zu Neuronalen Netzen

    • Künstliche Neuronale Netze (KNN) am Beispiel des MLP (Multilayer-Perceptron)

    • Konvergenzprobleme: Ursachen, Behandlung, Tuningmethoden, Praxis des ANN-Trainings

    • Convolutional Neural Networks (CNN - Faltungsnetze) zur Bilderkennung Teil 1 (Prinziipien)

    •  Convolutional Neural Networks (CNN - Faltungsnetze) zur Bilderkennung Teil 2 (Deep Learning, Stand der modernen Technik)

    • Transfer-Learning und Implementation der Inference auf Edge-Devices

    • Rekursive Neuronale Netze (RNN): Anwendungsgebiete, Konzept des LSTM, GRU

    • Unsupervised Learning: Konzept, Anwendungs-Überblick und das spezielle Verfahren des GAN (Generative Adversarial Network)

    • Reinforcement Learning: Konzepte, Ziele, Anwendungen, Technik des ALPGA-​GO

    • Erklärbare KI (Explainable AI (XAI)): Konzepte und Status der Integration von KI-basierter Prädiktion mit menschlich verständlicher Argumentation, Status und Erwartungen

    • IT-Security vs. KI: Erhöhung von Schutz und Risiken durch KI In IT-Security 

    • Generative Methoden, Feature Extraktion und das spieltheoretische Gleichgewicht im GAN (Generative Adversarial Network)

    • Ausblick auf die Zukunft der KI im Hinblick auf Technik, Ethik und Gesellschaft

    • Technischer Ausblick: Methoden der KI, erwartete Entwicklungen neuer applikationsspezifischer Hardware-Architekturen Und  Software/Internet-basierter Ansätze  zur Verbreitung von KI als allgemeine, nicht wahrgenommene Basistechnik.
       

  •   Je nach Vereinbarung über den Gesamtumfang müssen einige Themen stark eingeschränkt werden. Die  kursiv  gedruckten Themen gehören in jede Einweisung in Machine Learning. Sie können nicht entfallen. Alle Themen, die im Hinblick auf ihre Anwendbarkeit im Unternehmen nicht gesondert eingeführt werden sollen, werden zusammengefasst in einer Abschlussbetrachtung dargestellt, damit alle Teilnehmer zumindest eine ungefähre Vorstellung über das gesamte Spektrum des ML gewinnen.  

  • Der volle Umfang umfasst maximal 12 Sitzungen, 4 bis 6 ist das Minimum, um einen sinnvollen Einblick zu geben. Die Sitzungen sollten im Wochenrhythmus erfolgen, weil es für die Teilnehmer schwer sein wird, mehr Inhalt in einer Woche hinreichend tief zu verstehen und praktisch zu erproben.

Nach Abschluss dieses Planungsgesprächs erfolgt ein Angebot der Industrie-KI GmbH, verbunden mit einem konkreten Zeitplan, der auch Kalenderereignisse wie Feiertage, Brückentage und Schulferien berücksichtigt. Optional kann in der letzten Sitzung ein 30-minütiger Test angeboten werden, mit dem Ziel einer Erfolgskontrolle und einer Ausfertigung von bewerteten Teilnahmebestätigungen.  

Weitergehende Beratung in der Form von Coaching bei Projekten oder für die Vermittlungen der Leistungen anderer Dienstleister wird individuell zwischen dem Kunden und der Industrie-LI GmbH vereinbart.  

 © 2020  Industrie-KI GmbH, alle Rechte vorbehalten