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.
Tag 1 9:00-13:00
Tag 2 9:00-13:00
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
DOZENT
TEILNAHME
ANMELDUNG
Jetzt anmelden