Einführung in Machine Learning für das Energiemanagement - Darmstadt

Durch die zuneh­mende Digi­ta­li­sie­rung von Unter­neh­men und die damit ein­her­ge­hen­den anfal­len­den Daten­men­gen bedarf es intel­li­gen­ter Metho­den zur Ana­lyse die­ser Daten­men­gen zur Ver­bes­se­rung kom­ple­xer Sys­teme. Das Thema Machine Learning als Unter­be­griff der künst­li­chen Intel­li­genz ist im Kon­text der Digi­ta­li­sie­rung daher nicht mehr weg­zu­den­ken.

Die­ser Work­shop soll Ener­gie­ma­na­gern und Ener­gie­be­ra­tern die Mög­lich­kei­ten der künst­li­chen Intel­li­genz, ins­be­son­dere des maschi­nel­len Ler­nens, zur Ana­lyse von betrieb­li­chen Ener­gie­da­ten in einem pra­xis­ori­en­tier­ten Ansatz näher brin­gen. Das Ziel ist die Sen­si­bi­li­sie­rung der Teil­neh­mer für die grund­le­gen­den Begriffe des Machine Learning, das Ken­nen­ler­nen von unter­schied­li­chen Model­len und Ver­fah­ren sowie einer effi­zi­en­ten Vor­ge­hens­weise zur Daten­aus­wahl und -vor­ver­ar­bei­tung, Model­l­aus­wahl sowie Inter­pre­ta­tion von Ergeb­nis­sen.

Um den Bogen von den theo­re­ti­schen Model­len zu ihrem Ein­satz in der Pra­xis zu schla­gen, ste­hen Bei­spiele aus dem betrieb­li­chen Ener­gie­ma­nage­ment zur Gewin­nung von Infor­ma­tio­nen und sys­te­mi­schen Zusam­men­hän­gen aus (Energie-)Daten mit­tels maschi­nel­lem Ler­nen zur Iden­ti­fi­ka­tion von Ener­gie­ef­fi­zi­enz­po­ten­zia­len im Fokus.

Wei­tere Infor­ma­tio­nen und Anmel­de­mög­lich­keit fin­den Sie hier.