Deep Learning and Computer Vision

Ein Teilmodul des »Machine Learning Forums«

Das Seminar »Deep Learning und Computer Vision«

»Deep Learning« bricht aktuell alle Rekorde auf dem Gebiet der künstlichen Intelligenz – 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.

 

Durch die Teilnahme an der Schulung werden Sie:

  • die Grundlagen des Deep Learnings verstehen
  • Arten von künstlichen neuronalen Netzwerken kennenlernen
  • lernen grundlegende Deep Learning Workflows für die Bildanalyse zu implementieren
  • Trainingsparameter manipulieren um die Performance zu verbessern
  • lernen mit typischen Herausforderungen umzugehen

Auf einem Blick

Termine:

24./25. März 2020

7./8. Juli 2020

Zielgruppe:

  • Softwareentwickler/-architekten aus dem F&E-Bereich, die sich mit der Analyse von Daten beschäftigen
  • Unternehmen, die Deep Learning in ihren Projekten und ihrer Strategie einsetzen wollen

Voraussetzung: Grundkenntnisse im Programmieren (vorzugsweise in Python)

Dauer: 2-tägige Schulung

Schulungssprache: Deutsch

Anzahl der Teilnehmenden: max. 9 Teilnehmende

Veranstaltungsort: Fraunhofer IIS in Erlangen (Am Wolfsmantel 33, 91058 Erlangen)

Teilnahmegebühr und was diese beinhaltet: 1.900€ inkl. Verpflegung und Unterlagen

Inhalte des Seminars »Deep Learning und Computer Vision«

Tag 1 (Modul 1): Grundlagen des Deep Learnings

  • Grundlagen des maschinellen Lernens
  • Einführung in Deep Learning
  • Einführung in TensorFlow/ Keras
  • Multilayer Perzeptrons
  • Convultionale Neural Network
  • Hands-on Übungen
Tag 2 (Modul 2): Fortgeschrittene Themen des Deep Learnings
  • Semantische Segmentierung
  • Objekterkennung
  • unüberwachtes Lernen mit Neuronalen Netzwerken
  • Sequenzmodelle
  • Hands-on Übungen

Ihre 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.
 

Literaturempfehlung:

  • Goodfellow, I., Bengio, Y., Courville, A., & Bengio, Y. (2016): Deep learning (Vol. 1). Cambridge: MIT press.
  • Géron, A. (2017): Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems. O'Reilly Media, Inc..
  • Tibshirani, R., & Friedman, J. (2001): The elements of statistical learning: data mining, inference, and prediction. Heidelberg: Springer.