Konferenz für
Machine Learning und Künstliche Intelligenz
Köln, 24.-26. April 2018

Minds Mastering Machines 2018 » Programm »

// Dark Science with Deep Learning: Einführung in modernes Maschinelles Lernen mit Python

Es gibt Probleme, die sind so komplex, dass das Ausprogrammieren ihrer Lösung entweder viel zu teuer oder momentan unmöglich wäre. Ziel von Maschinellem Lernen (ML) als Disziplin der Künstlichen Intelligenz (KI) ist es, solche Probleme zu bewältigen, indem Systeme in erster Linie nicht programmiert, sondern trainiert werden. Deep Learning (DL) als Teilgebiet des ML verwendet sogenannte tiefe neuronale Netze.
Neu ist dieser Ansatz nicht. Neu ist hingegen ist der Erfolg, den heutzutage die schier grenzenlose Masse an verfügbaren Daten und die unbändige Rechenleistung möglich machen. Mit TensorFlow und Keras bietet sich jetzt die Möglichkeit, diese hoch komplexen Netze mit wenig Aufwand zu definieren.

Agenda

Der Workshop hat keinen festen zeitlichen Ablaufplan.
Es gibt für die Teilnehmer die Möglichkeit, die Themengebiete im Workshop selbst zu bestimmen. Ein Beispiel einer üblichen Agenda mit Themenbeispielen finden Sie hier:

  • Einrichtung der Entwicklungsumgebung

  • Grundlagen zum Thema Künstliche Intelligenz, Maschinelles Lernen und Deep Learning

  • Grundlagen zu Tensorflow & Keras

  • Übungen

    • Einführung & Arbeiten mit Daten

    • Vorhersage mit Feed-Forward-Netzen

    • Klassifikation von Bilddaten (Convolutional Neural Networks - CNNs / ConvNets)

    • Autoencoder

  • Optional:

    • Parameter-Tuning

    • Custom Layers

    • Multi Modal Networks

    • ...

Technische Anforderungen:

  • Bringen Sie einen eigenen Laptop mit, der über mindestens 2 GB freien Festplattenspeicher (für Installation und Testdaten) verfügt.

  • Alle wichtigen Informationen sind auf dem GitHub-Repo zu finden: https://github.com/wittfabian/dl-workshop

  • WICHTIG: Führen Sie die Installation (wie im GitHub-Repo beschrieben) im Vorfeld durch, damit frühzeitig etwaige Probleme behoben werden können. Besonders wichtig ist das für Teilnehmer die einen Proxy verwenden, hier kommt es öfter zu Problemen bei der Installation.

Falls Sie ein Gerät Ihrer Firma verwenden, überprüfen Sie vorher bitte, ob eines der folgenden, gelegentlich vorkommenden Probleme bei Ihnen auftreten könnte:

  • Workshop-Teilnehmer hat keine Administrator-Rechte.

  • Corporate Laptops mit übermäßig penibler Sicherheitssoftware.

  • Gesetzte Corporate-Proxies, über die man in der Firma kommunizieren muss, die aber in einer anderen Umgebung entsprechend nicht erreicht werden.

Vorkenntnisse
Teilnehmer sollten grundlegende Programmierkenntnisse in Python besitzen und ein Notebook mitbringen. Wir empfehlen als IDE die PyCharm Community Edition (http://bit.ly/1Sqq9Gi).

Lernziele
* Vermitteln der Grundkenntnisse von KI, ML und DL
* Einrichtung der Entwicklungsumgebung
* Erläuterung der API von Keras (und TensorFlow)
* Begleitete Problemlösung verschiedener Problemdomänen
* Unterstützung beim Ausprobieren und Erweitern der Programme

// Fabian Witt Fabian Witt

hat seinen Master in Data & Knowledge Engineering an der Otto-von-Guericke-Universität Magdeburg gemacht. In dieser Zeit hat er sich speziell mit Themen wie Maschinellem Lernen, Data Mining und Schwarmintelligenz befasst. Bei der Firma Redheads Ltd. ist er als Technical Lead für den Bereich Data Science verantwortlich.


// Steven Brandt Steven Brandt

Steven Brandt arbeitet am Institutsteil Entwicklung Adaptiver Systeme des Fraunhofer IIS als Data Scientist. Sein Aufgabengebiet ist die Entwicklung von intelligenten Analysesystemen, welche automatisch unterschiedlichste Daten verarbeiten und Handlungsempfehlungen generieren. Zuvor erlangte Steven Brandt seinen Master in Data and Knowledge Engineering an der Otto-von-Guericke-Universität in Magdeburg. Während des Studiums beschäftigte er sich unter anderem mit dem Maschinellen Lernen, Data Mining und Warehousing sowie Datenbanktechnologien.