Deep Learning and Computer Vision

Hands-On-Workshop

„Wie die Dampfmaschine oder der elektrische Strom in der Vergangenheit, ändert künstliche Intelligenz unsere Welt grundlegend“ (Andrus Ansip, April 2018)  

„Deep Learning“ bricht aktuell alle Rekorde auf diesem Gebiet - dank der heute zur Verfügung stehenden enormen Datenmengen und massiven Rechenleistungen. In Anlehnung an die Funktionsweise des menschlichen Gehirns lernen diese mehrschichtigen Neuronalen Netze aus Beispielen Lösungen abzuleiten. Das Prinzip ist universell. Es funktioniert branchenunabhängig von Automotive bis Medizin, mit Daten aus unterschiedlichsten Quellen von Kameras bis zur menschlichen Stimme.

Dieser zweitägige Hands-On-Workshop bietet Theorie und Praxis in Einem. Das vermittelte Wissen wird in intensiv betreuten Übungen anhand konkreter Beispiele erfahrbar gemacht und der praktische Umgang mit Deep Learning Workflows eingeübt.  Der thematische Fokus des Workshops liegt im Bereich der Computer Vision. Ausflüge in andere Themenbereiche geben zudem einen Einblick in die Vielfalt der möglichen Anwendungsgebiete. Die Übungen basieren auf Google TensorFlow.  

Zielgruppe:
Softwareentwickler/-architekten aus dem F&E-Bereich, die sich mit der Analyse von Daten beschäftigen. Alle, die Deep Learning in ihrem Unternehmen einsetzen wollen.

Voraussetzungen:
Grundkenntnisse im Programmieren (vorzugsweise in Python)

Inhalt

Tag 1: 

  • Grundlagen des maschinellen Lernens
  • Einführung in Deep Learning
  • Einführung in TensorFlow/Keras
  • Multilayer Perzeptrons
  • Convolutional Neural Networks
  • Hands-on Übungen

Tag 2:

  • Semantische Segmentierung
  • Objekterkennung
  • Unüberwachtes Lernen mit Neuronalen Netzwerken
  • Sequenzmodelle
  • Hands-on Übungen 

 

Rahmen

Dauer: 2 Tage

Tagungssprache: deutsch

Maximale Teilnehmerzahl: 9

Veranstaltungsort:

Fraunhofer Institut IIS
Am Wolfsmantel 33
D-91058 Erlangen

Teilnahmegebühr: 1.900 Euro (inkl. Verpflegung und Unterlagen)

Die Referenten

Dominik Seuß (M.Sc) ist Senior Engineer am Fraunhofer IIS. Seine Forschungsinteressen liegen im Bereich der künstlichen Intelligenz mit Schwerpunkt auf der Erkennung von Schmerz mit Hilfe von Methoden des Maschinellen Lernens, worin er auch promoviert.
Er hat langjährige Erfahrung in der Durchführung von Forschungs- und Entwicklungsprojekten für Industrie und den öffentlichen Sektor. Aktuelle Arbeitsschwerpunkte sind Generative Netze im Bereich der Computer Vision.

Andreas Foltyn (M.Sc), ebenfalls Research Associate am Fraunhofer IIS, hat seine aktuellen Arbeitsschwerpunkte im Bereich Erkennung von affektiven Zuständen mithilfe von Verfahren des Maschinellen Lernens. Zeitgleich promoviert er auch im Bereich der Künstlichen Intelligenz mit Schwerpunkt auf Erklärbarkeit von tiefen neuronalen Netzwerken.