Hands-On-Workshop Deep Learning and 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.

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.

Inhalt:
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.

Voraussetzungen:
Grundkenntnisse im Programmieren (vorzugsweise in Python)

Termine:

Exklusivtermin für Mitglieder der »Strategischen Partnerschaft Sensorik« am 8. und 9. Dezember 2020. Um in unsere Warteliste aufgenommen zu werden, melden Sie sich bitte unter folgendem Link an:

SPS - Deep Learning Workshop

Unsere Referenten

 

Ines Rieger (M.Sc.) ist wissenschaftliche Mitarbeiterin am Fraunhofer IIS. Ihre Arbeit konzentriert sich auf die automatische Bildverarbeitung, hauptsächlich im Bereich der Erkennung von affektiven Zuständen mithilfe von Verfahren des Maschinellen Lernens. Derzeit arbeitet sie an einem Projekt zur Abschätzung von Schmerzzuständen anhand von Gesichtsbildern. Hierbei interessiert sie sich besonders für die Weiterentwicklung von Methoden zur Interpretierbarkeit von Neuronalen Netzen. Außerdem promoviert sie an der Universität Bamberg auf dem Gebiet der „Explainable Artificial Intelligence“.

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.