Wie kann künstliche Intelligenz (KI) in Unternehmen zur besseren Einsparung von Energie und Ressourcen genutzt werden? Welches Potenzial hat KI für die Energiewende? Die Experten und Expertinnen für KI und Erneuerbare Energien am ZSW haben in zwei Veranstaltungen Antworten auf diese Fragen gegeben.
Im zweiten Teil der Veranstaltungsreihe rückte die praktische Umsetzung in den Fokus. In mehreren Coding-Workshops wurden konkrete Problemstellungen in der Datenaufbereitung, dem Training von KI-Modellen und der Auswertung thematisiert.
KI-Lab.EE Step-by-Step: Workshop zur Einführung in das KI-Lab.EE Auto-ML Tool. Schritt für Schritt wurde hier erklärt, wie die No-Code Plattform genutzt werden kann, um KI einfach anzuwenden. Anhand eigener Daten oder Beispieldaten konnten die Teilnehmende das Gelernte im Workshop direkt selbst umsetzen und Fragen stellen.
KI-Lab.EE Deep-Dive: Workshop für eine fortgeschrittene Nutzung des KI-Lab.EE Auto-ML Tools. Anhand verschiedener Szenarien und Datensätze wurde erläutert, welche Vorteile die Features "Featureselection", "Balancing" "Scaling" und "Outlierremoval" für KI-Anwendungen bieten können und wie diese in der No-Code Plattform einfach anwendbar sind.
ℹ️ Tutorials bald verfügbar auf https://kilab-ee.zsw-bw.de/
Lehrbuch vs. Realität: Dieser Workshop beschäftigte sich mit typischen Daten-Fallstricke, die in der Praxis bei der Anwendung von KI auftreten. Verschiedene Probleme wurden erläutert und anhand von Python Code Lösungsvorschläge dargestellt
ℹ️ Workshop Inhalte unter /data_processing_lehrbuch_vs_realitaet
Von Pandas bis Xarray: In diesem Workshop wurden Möglichkeiten gezeigt, wie in Python komplexe Datenstrukturen (z.B. mit mehreren Dimensionen) einfacher visualisiert und verarbeitet werden können. Dieser Workshop richtete sich v.a. an Teilnehmende, die bereits Vorerfahrung mit der Nutzung von Pandas DataFrames haben und ihr Wissen vertiefen wollen.
ℹ️ Workshop Inhalte unter /pandas_xarray
Imageprocessing: In diesem Workshop ging es um die Frage, wann Machine Learning Methoden sich besser eignen als klassische Bildverarbeitungsmethoden und wann das Gegenteil der Fall ist. Anhand konkreter Beispiele und Aufgaben in Python wurde die Thematik den Teilnehmenden interaktiv vermittelt.
ℹ️ Workshop Inhalte unter /image_processing