Deep Learning für Fortgeschrittene: »Neues von der NIPS«

Die Forschung und Entwicklung im Bereich Deep Learning entwickelt sich rasant: was letztes Jahr »state of the art« war, kann heute schon überholt sein. Um so wichtiger ist es für Entwickler und Entscheider aus der industriellen Praxis, nahe an der aktuellen Forschung zu bleiben.
Die weltweit führenden Deep Learning Experten treffen sich jedes Jahr zur »Annual Conference on Neural Information Processing Systems (NIPS)« [https://nips.cc/]. Direkt im Anschluss an die diesjährige NIPS bereitet dieser Kurs die wesentlichen Neuerungen und sich abzeichnende Trends in kompakter Form auf und vermittelt die praxisrelevanten Entwicklungen in einem intensiven Seminar.

Zielgruppe: Deep Learning Entwickler und Entscheider, die sich auf den neuesten Stand der Forschung bringen wollen.

Voraussetzungen: Theoretische Grundkenntnisse in Deep Learning (z.B. aus der Fraunhofer-Schulung zu »Deep Learning« https://www.bigdata.fraunhofer.de/de/datascientist/seminare/deep_learning.html), erste praktische Erfahrungen mit TensorFlow.

Inhalt

Der Kurs ist nach Anwendungen und Techniken in mehrere Module unterteilt. Jedes Modul gibt eine Übersicht über die aktuellen Entwicklungen und vertieft den Inhalt von 1-2 NIPS Publikationen im Detail. Je nach Verfügbarkeit werden auch die konkreten Implementationen in TensorFlow besprochen. Da das endgültige Programm der NIPS noch nicht verfügbar ist, können sich Details noch ändern.

Einleitung

  • Übersicht, aktuelle Trends
  • Neuerungen in Tensorflow
  • Neue Hardware für DL

CNNs

  • Neue Architekturen und Layer
  • Anwendungen zur Bildanalyse

RNNs / LSTMs

  • Neue Architekturen und Layer
  • Anwendungen zur Textanalyse
  • Anwendungen zur Zeitreihenanalyse

Knowledge Base Completion

  • Extraktion von Relationen und Ereignissen
  • Verstehen natürlicher Sprache
  • Erweiterung existierender Knowledge Datenbanken

Intelligente Assistenten

  • Reinforcement Lernen
  • End-to-End Modelle zum Question-Answering
  • Autonomes Fahren

GANs

  • Neue Architekturen und Anwendungen
  • Anwendungen

Training von DNNs

  • Neue Ansätze
  • Parallelisierung       

Sicherheit von DNNs

  • Angriffe gegen DNNs
  • Neue Methoden zu Analyse und Robustheit

Rahmen

Dauer: 2 Tage

Tagungssprache: deutsch

Maximale Teilnehmerzahl: 12

Veranstaltungsort:

Fraunhofer-Institutszentrum Schloss Birlinghoven

53757 Sankt Augustin

Teilnahmegebühr: 1.900 Euro

Die Teilnahmegebühr ist steuerfrei gem. § 4 Nr. 22a UStG. Sie umfasst Begleitunterlagen (auf Englisch) und Verpflegung. 

Bitte beachten Sie die Storno- und Teilnahmebedingungen.

Falls Sie die Anmeldung über eine Bestellung vornehmen, erbitten wir eine Kopie der Bestellung an "datascientist(at)iais.fraunhofer.de".

Termin und Anmeldung

* Pflichtfelder

Termine
Hinweis: Gemäß Datenschutzgrundverordnung (DSGVO) unterrichten wir Sie über die Speicherung Ihrer Daten. Die Einwilligung zur Speicherung und Nutzung Ihrer Daten erfolgt freiwillig und kann jederzeit widerrufen werden.
Stornogebühren

Unsere Referenten

Diese Schulung wird von Fraunhofer IAIS in Kooperation mit Fraunhofer ITWM durchgeführt.

Dr. Janis Keuper befasst sich als Wissenschaftler am Competence Center for High Performance Computing des Fraunhofer ITWM schwerpunktmäßig mit maschinellen Lern- und Mustererkennungsverfahren für große Datenmengen. An der Universität Freiburg schloss er das Informatikstudium mit dem Master of Science und einer anschließenden Promotion ab. Dann arbeitete er am Interdisciplinary Research Center for Scientific Computing" (IRW) der Universität Heidelberg als Postdoc und  am Intel Visual Computing Center (IVCI) in Saarbrücken als Gruppenleiter.

Dr. Gerhard Paaß ist Senior Scientist am Fraunhofer IAIS, hat langjährige Erfahrung als Projektleiter von angewandten Forschungs- und Wirtschaftsprojekten sowie als Dozent an den Universitäten Bonn, Leipzig und Brisbane. Er hat die Textmining-Gruppe am Fraunhofer IAIS gegründet und ist maßgeblich an der Entwicklung von Verfahren zur semantischen Analyse von Texten beteiligt. Aktuelle Arbeitsschwerpunkte sind Informationsextraktion, Textklassifikation sowie semantisches Lernen durch Deep Neural Networks.

Dr. Henning Petzka ist Data Scientist am Fraunhofer IAIS mit tiefgehenden Erfahrungen in der mathematischen Grundlagenforschung. Nach seiner Promotion an der University of Toronto und weiteren Forschungsjahren in Barcelona und Münster, arbeitet und forscht er nun am Fraunhofer IAIS und der Universität Bonn in Bereichen des Semantic Web und der Maschinellen Lernverfahren.

Dr. Alexander Kister ist promovierter Mathematiker und seit 2016 als Data Scientist am Fraunhofer-Institut IAIS tätig. Sein Interessensschwerpunkt ist die Analyse von Daten aus Cyber-physischen Systemen, insbesondere im Industrie 4.0 Kontext.