Webinar Deep Learning:
Synthetische Erzeugung materialwissenschaftlicher Trainingsdaten

ÜBERSICHT

Für die Auswertung materialwissenschaftlicher und werkstoffkundlicher Daten wird Künstliche Intelligenz in Form des Maschinellen Lernens mit Hilfe von Deep Learning immer wichtiger. Während die Verarbeitung reiner Bilddaten mittels standardisierter Techniken und Architekturen recht einfach bewältigt werden kann, ist die in der wissenschaftlichen und industriellen Praxis häufig anzutreffende Mischung verschiedener Datenarten etwas anspruchsvoller.

In dieser Vertiefungsfortbildung bieten wir Ihnen einen praxisorientierten Einstieg in neuronale Netwerke zur Analyse hybrider materialwissenschaftlichen Daten, d.h. Daten, die z.B. Bilddaten mit tabellarischen Daten kombinieren oder Bilddaten unterschiedlicher Modalitäten oder Skalen verbinden.

Ziel ist es, dass die Teilnehmenden lernen, selbstständig eigene Netzwerkachitekturen, Kodierer und Kostenfunktionen zu entwickeln, um so auf die Anforderungen ihrer jeweiligen Daten passend einzugehen. 

Ziel der Schulung ist es, dass die Teilnehmenden einen Überblick über die Möglichkeiten der synthetischen Datenerzeugung bekommen und die Fähigkeit entwickeln, in bestimmten Situationen Trainingsdaten mittels Software selber zu erzeugen.

PROGRAMM

Tag 1 9:00-13:00

  • Synthetischer Datenerzeugung: Vorteile und Probleme
  • Alternative Ansätze: Generative Netzwerke, Data Augmentation, Semi-Supervised Learning
  • Shallow Modelling: der Datengetriebene  Weg zu generativen Modellen
  • Übung: Erzeugung eines Modells intergranulärer Brüche
  • dazwischen: Kaffeepause

Tag 2 9:00-13:00

  • Deep Modelling: der simulationsbasierte Weg zu generativen Modellen
  • Übung: Entwicklung einer Simulation zum Ising-Modell
  • Domain-Gap feststellen, reduzieren, handhaben
  • dazwischen: Kaffeepause

LEISTUNGSUMFANG

Unsere Leistungen beinhalten die Durchführung der Schulung, gedruckte Schulungsunterlagen sowie den Zugriff auf eine persönliche Instanz eines vorkonfigurierten Deep Learning Servers während der gesamten Schulung, einschließlich der Nachmittage. Den Inhalt Ihrer Instanz einschließlich aller Trainingsdaten bekommen sie am Schulungsende auf Wunsch zur Verfügung gestellt, so dass Sie nach Ende der Schulung weiter üben können. Die Schulung ist auf 12 Teilnehmer begrenzt.

Die Gebühr beträgt 950,00 € netto pro Teilnehmer zuzüglich Umsatzsteuer.

VORAUSSETZUNGEN

Zur erfolgreichen Teilnahme an der Schulung setzen wir grundlegende Kentnisse im Deep Learning mittels PyTorch und FastAI sowie grundlegende Programmierkenntnisse in z.B. Python voraus. Die Schulung setzt auf unserem Kurs "Deep Learning: Grundlagen und Anwendungen auf materialwissenschaftliche Beispiele" auf und setzt die dort vermittelten Inhalte voraus.

INHALTE

  • In Projekten Entscheidungen für oder wider synthetische  Daten systematisch treffen
  • Generative Modelle datengetrieben erstellen (Shallow Modelling)
  • Generative Modelle simulationsbasiert erstellen (Deep Modelling)
  • Korrekter Umgang mit Domain-Gap

DOZENT

Dr.-Ing. Tim Dahmen

TEILNAHME

  • Die Anmeldung erfolgt über unser Kontaktformular. Bitte geben Sie den Kurs an, für den Sie sich interessieren und eine Möglichkeit, wie wir Sie kontaktieren können.
  • Preis 950 € netto.

ANMELDUNG

Jetzt anmelden