-
-
-
DE
Termine finden
- zur Startseite Kurse
- Additive Fertigung
- Composites
- Compoundieren & Extrudieren
- Digitalisierung
- Einführung in die Kunststofftechnik
- Fernwärme
- Kleben
- Nachhaltigkeit und Recycling
- Oberflächentechnik
- Prüftechnik & Qualitätsmanagement
- Schweißen
- Spritzgießen
- Werkstofftechnik
- B³ – Batterie-Bildungsnetzwerk Bayern
- Bildungsförderung
Wissen schafft Werte
Die Aus- und Weiterbildung von Ingenieuren und Fachkräften für die Kunststoffindustrie ist Gründungszweck des SKZ und unsere Mission. Seit 1961 ist das SKZ die Adresse der Branche für betriebliche Weiterbildung. Mit dem Wissen Ihrer Mitarbeiter schafft Ihr Unternehmen Werte.
- zur Startseite Abschlüsse & Meister
- Industriemeister Kunststoff und Kautschuk
- Industrietechniker Additive Fertigung (IHK)
- SKZ-Abschluss: Additive Manufacturing Operator
- SKZ-Abschluss: Additive Manufacturing Designer
- SKZ-Abschluss: Fachkraft Kunststoffverarbeitung
- SKZ-Abschluss: Kunststoffentwickler Spritzgießen
- SKZ-Abschluss: Prozessoptimierer Spritzgießen
- SKZ-Abschluss: Qualitätssicherungsexperte Kunststoff
- SKZ-Abschluss: Fachkraft Spritzgussfertigung
- SKZ-Abschluss: Geprüfter Werkzeugmanager Spritzgießen
- SKZ-Abschluss: Kunststoff-Materialexperte
- SKZ-Abschluss: Fachkraft Compoundieren
- SKZ-Abschluss: Fachkraft Extrusion
- SKZ-Abschluss: Fachkraft Thermoformen
- SKZ-Abschluss: Fachkraft Blasfolienextrusion
- SKZ-Abschluss: Fachkraft Blasformen
- SKZ-Abschluss: Colorist
Jede Karriere braucht Ziele
Individuelle Voraussetzungen und Ziele erfordern flexibele und individualisierbare Weiterbildungsangebote, die gleichzeitig höchsten Qualitätsansprüchen gerecht werden. Dafür steht das SKZ mit über 60 Jahren Erfahrung als DIN ISO 9001:2015 zertifizierter Anbieter von Qualitätsweiterbildung und jährlich über 10.000 Teilnehmern.
Termine finden
KI und Machine Learning in Python für Kunststoffanwendungen
Kurs im Überblick
*Preis zzgl. MwSt.
Übersicht
In der Kunststoffverarbeitung entstehen täglich große Datenmengen – aus Maschinensteuerungen, Sensorik, Prüfprozessen und Bildaufnahmesystemen. Diese Daten enthalten wertvolle Informationen über Materialverhalten, Prozessstabilität und Produktqualität. Moderne Methoden der Künstlichen Intelligenz (KI) und des Machine Learning (ML) ermöglichen es, diese Informationen automatisch zu extrahieren, Muster zu erkennen, Anomalien frühzeitig zu detektieren und Prozesse intelligent zu optimieren.Der Kurs vermittelt die notwendigen Grundlagen, um KI- und ML-Verfahren in der Kunststoffindustrie anzuwenden. Dabei werden sowohl klassische Algorithmen (z.B. Random Forests, Regressionsmethoden, Clustering) als auch moderne Deep-Learning-Modelle behandelt – einschließlich Convolutional Neural Networks (CNNs) für Computer Vision und Transformer-Modellen für Sprach- und Sequenzdaten. Teilnehmer lernen, wie KI in der Kunststoffindustrie eingesetzt werden kann – etwa zur automatisierten Bauteilinspektion, Prozessüberwachung, Qualitätsvorhersage, Fehlerklassifikation und Verarbeitung natürlicher Sprache für Dokumentation oder Berichterstellung.
Der gesamte Kurs verwendet die Programmiersprache Python. Grundkenntnisse in Python werden vorausgesetzt.
- Grundlagen der KI & Machine Learning
- Einführung in Python für KI‑Projekte
- Machine Learning für industrielle Daten
- Klassifikation & Regression
- Überwachtes / unüberwachtes Lernen
- Deep Learning und Neuronale Netze
- Computer Vision in der Kunststoffindustrie
- Transformer-Modelle
- Visualisierung & Interpretierbarkeit
- Visualisierung von Daten, Modellen und Ergebnissen
- Explainable AI: SHAP, Feature Importance
Programmierübungen aus Anwendungsfällen in der Kunststoffindustrie zu den Themen:
- Datenimport & Datenvorverarbeitung
- Laden von Maschinendaten oder Sensorreihen,
- Bilddaten
- Bereinigen von Messfehlern
- Analyse von Daten
- Machine Learning
- Trainieren eines Random Forest zur Vorhersage von Qualitätsmerkmalen
- Modelloptimierung und Hyperparameter-Tuning
- Computer Vision
- CNN zur Bildklassifikation von Bauteilfehlern
- Objekterkennung für automatisierte Sichtprüfungen
- Deep Learning & Transformer
- Training eines kleinen MLP auf Prozessdaten
- Einsatz eines Transformer-Modells zur Auswertung von Textdaten(z.B. Prüfberichte, Alarmmeldungen, Produktionsprotokolle)
- Beispiele zum Einsatz von generativer KI
KI und Machine Learning in Python für Kunststoffanwendungen
Kurs im Überblick
*Preis zzgl. MwSt.
Übersicht
In der Kunststoffverarbeitung entstehen täglich große Datenmengen – aus Maschinensteuerungen, Sensorik, Prüfprozessen und Bildaufnahmesystemen. Diese Daten enthalten wertvolle Informationen über Materialverhalten, Prozessstabilität und Produktqualität. Moderne Methoden der Künstlichen Intelligenz (KI) und des Machine Learning (ML) ermöglichen es, diese Informationen automatisch zu extrahieren, Muster zu erkennen, Anomalien frühzeitig zu detektieren und Prozesse intelligent zu optimieren.Der Kurs vermittelt die notwendigen Grundlagen, um KI- und ML-Verfahren in der Kunststoffindustrie anzuwenden. Dabei werden sowohl klassische Algorithmen (z.B. Random Forests, Regressionsmethoden, Clustering) als auch moderne Deep-Learning-Modelle behandelt – einschließlich Convolutional Neural Networks (CNNs) für Computer Vision und Transformer-Modellen für Sprach- und Sequenzdaten. Teilnehmer lernen, wie KI in der Kunststoffindustrie eingesetzt werden kann – etwa zur automatisierten Bauteilinspektion, Prozessüberwachung, Qualitätsvorhersage, Fehlerklassifikation und Verarbeitung natürlicher Sprache für Dokumentation oder Berichterstellung.
Der gesamte Kurs verwendet die Programmiersprache Python. Grundkenntnisse in Python werden vorausgesetzt.
- Grundlagen der KI & Machine Learning
- Einführung in Python für KI‑Projekte
- Machine Learning für industrielle Daten
- Klassifikation & Regression
- Überwachtes / unüberwachtes Lernen
- Deep Learning und Neuronale Netze
- Computer Vision in der Kunststoffindustrie
- Transformer-Modelle
- Visualisierung & Interpretierbarkeit
- Visualisierung von Daten, Modellen und Ergebnissen
- Explainable AI: SHAP, Feature Importance
Programmierübungen aus Anwendungsfällen in der Kunststoffindustrie zu den Themen:
- Datenimport & Datenvorverarbeitung
- Laden von Maschinendaten oder Sensorreihen,
- Bilddaten
- Bereinigen von Messfehlern
- Analyse von Daten
- Machine Learning
- Trainieren eines Random Forest zur Vorhersage von Qualitätsmerkmalen
- Modelloptimierung und Hyperparameter-Tuning
- Computer Vision
- CNN zur Bildklassifikation von Bauteilfehlern
- Objekterkennung für automatisierte Sichtprüfungen
- Deep Learning & Transformer
- Training eines kleinen MLP auf Prozessdaten
- Einsatz eines Transformer-Modells zur Auswertung von Textdaten(z.B. Prüfberichte, Alarmmeldungen, Produktionsprotokolle)
- Beispiele zum Einsatz von generativer KI
