Industrieroboter und fahrerlose Transportfahrzeuge (FTS) sind aus der heutigen Produktionstechnik nicht mehr wegzudenken. Sie führen repetitive Tätigkeiten wiederholgenau und ermüdungsfrei durch. Sie können Prozessunsicherheiten mit 2D/3D-Kameras, Kraft-Momenten- und anderen Sensoren erkennen. Die Programmierung und Parametrierung der Auswertealgorithmen erfolgte früher durch Experten, wird aber zukünftig durch lernende Verfahren verdrängt. Das ermöglicht den Robotern, sich autonom auf sich verändernde Umgebungsbedingungen einzustellen und sich zu optimieren.
In dieser Schulung lernen Sie verschiedene Lernverfahren und ihre Einsatzmöglichkeiten für lernende Roboter anhand Praxisbeispielen kennen.
Zielgruppe: Data Scientists, Analysten, die ihre Fähigkeiten zur Trainierung von intelligenten Robotern ausweiten wollen. Softwareentwickler/-architekten, die Lösungen für analytische Fragestellungen entwickeln.
Voraussetzungen: Kurs „Applied Deep Learning“
Sprache: Vorträge in Deutsch, Material in Englisch
Der Grundkurs "Applied Deep Learning" ist Voraussetzung für weitere Vertiefungskurse und eine Abschlussprüfung.
Inhalt
Tag 1
Aktuelle und zukünftige Anwendungsgebiete von Machine Learning (ML) und Deep Learning in der Automatisierungstechnik und Robotik
Methodenbaukasten für ML und Robotik
Objekterkennung und -lokalisierung für pick&place-Anwendungen
Deep Reinforcement Learning für Robotik
Tag 2
Datengenerierung mittels Simulationsumgebung und Generative Adversarial Networks (GANs)
Transfer Learning
ML-Best Practice Beispiele des Fraunhofer IPA
Der Grundkurs findet an zwei verschiedenen Terminen statt.05.- 08.11.2019 / 17. - 20.12.2019
Die Veranstaltung ist kostenpflichitg und eine Anmeldung ist erforderlich.
Weitere Informationen zu dem Seminar finden Sie auf der Website der Fraunhofer BIG DATA AI...