Zum Hauptinhalt springenZum Hauptmenü springenZum Seitenmenü springenZur Suche springen
weiter zur Suchseite

Maschinelles Lernen - Grundlagen und Anwendungen auf materialwissenschaftliche Beispiele

Termin:07.03.2022 09:00 bis 11.03.2022 13:00
Veranstaltungsort:

online

53757 Sankt Augustin
Nordrhein-Westfalen
Deutschland

Zielgruppe:Wissenschaftler
Wirtschaftsvertreter
Kontakt:fortbildung@dgm.de
Kategorie:Vortrag / Kolloquium / Vorlesung
Seminar / Workshop / Diskussion
Übersicht:

Für die Auswertung materialwissenschaftlicher und werkstoffkundlicher Daten, vor allem für Bilddaten, wird Künstliche Intelligenz in Form des Maschinellen Lernens mit Hilfe von Deep Learning immer wichtiger. Diese Fortbildung bietet Ihnen einen praxisorientierten Einstieg in faltungsbasierte neuronale Netwerke (Convolutional Neural Networks) zur automatischen Analyse von materialwissenschaftlichen Daten. Der Fokus liegt auf der Klassifizierung und Segmentierung von Bilddaten und Tabellendaten.

Beschreibung:

Fortbildungsleitung:

Dr.-Ing. Tim Dahmen - Deutsches Forschungszentrum für Künstliche Intelligenz GmbH

Dozenten

Dr.-Ing. Dominik Britz - Material Engineering Center Saarland (MECS)

Prof. Dr.-Ing. Frank Mücklich - Universität des Saarlandes

Martin Müller - Universität des Saarlandes

Prof. Dr. Stefan Sandfeld - Forschungszentrum Jülich GmbH

Ihr Nutzen:

- Nach einer kurzen Einführung, welche mathematisch nicht in die Tiefe geht, werden gemeinsam Anwendungsbeispiele von Deep Learning entwickelt.

- Sie lernen, wie man mit Hilfe von Python und geeigneten Bibliotheken Neuronale Netzwerke implementieren und anwenden kann. Der Fokus liegt dabei auf der eigenständigen Anwendung der erarbeiteten Modelle.

- Durch eigenaktives Ausführen und Ändern der zur Verfügung gestellten Skripte können Sie das Erlernte direkt praktisch anwenden.

- Nach der Teilnahme kennen Sie die Möglichkeiten und Problemstellungen des Maschinellen Lernen, so dass Sie die gelernten Inhalte auf eigene Daten effizient übertragen und adaptieren zu können.

Ziel ist es, dass die Teilnehmenden Möglichkeiten und Probleme kennen und anwenden lernen, um die gelernten Inhalte auf eigene Daten effizient übertragen und adaptieren zu können.

Ideale Voraussetzungen für eine erfolgreiche Teilnahme an der Fortbildung sind grundlegende Programmierkenntnisse in Python, Matlab oder anderen Programmiersprachen. Die Vorkenntnisse umfassen unter anderem: Variablen und zugehörge arithmetische Operationen, Funktionen, Fallunterscheidungen, Kontrollstrukturen. Weiterhin sind Mathematik Grundkenntnisse hilfreich. Beispielsweise sollten Sie eine Vorstellung zu den Stichworten Vektor, lineare Abhängigkeit, Gradient und Nichtlinearität haben.

Weitere Termine

Online-Veranstaltungen:

04. - 08. April 2022 (Veranstaltungssprache Englisch)

16. – 20. Mai 2022 (Veranstaltungssprache Deutsch)

Präsenzveranstaltungen:

14. - 16. September 2022 in Saarbrücken (Veranstaltungssprache Deutsch)

19. - 21. Oktober 2022 in Frankfurt am Main (Veranstaltungssprache Englisch)

Hinweise zur Teilnahme:
Weitere Informationen: