Daten sind ein entscheidender Rohstoff unserer Zeit. Ihre intelligente Auswertung liefert einen Schlüssel zur Steuerung zukünftigen Handelns und der Lösung großer gesellschaftlicher Probleme wie dem Klimawandel. Das an der Universität Augsburg im Jahr 2020 gegründete, multidisziplinäre Centre of Advanced Analytics and Predictive Sciences, CAAPS, vereint datenerhebende und datenverarbeitende Schwerpunkte.
Ziel des Zentrums ist es, Innovation in der Methodenentwicklung und in konkreten Anwendungen zu ermöglichen. „Wie eng Datenerfassung und intelligente Datenverarbeitung in aktuellen Forschungsfragen zusammenspielen, zeigen neue Entwicklungen unter anderem beim Einsatz von künstlicher Intelligenz“, sagt Prof. Daniel Peterseim, Lehrstuhlinhaber für Numerische Mathematik und Direktor des CAAPS. „Solche gesellschaftlich und wirtschaftlich wichtigen Entwicklungen benötigen eine Forschungsinfrastruktur, die wir am CAAPS neu eingerichtet haben.“
Am 16. Oktober veranstaltet das CAAPS sein zweites Symposium. Das jährlich stattfindende Symposium besteht aus zwei Plenarvorträgen international führender Forscher zu thematisch wechselnden Schwerpunkten des CAAPS sowie Poster-Präsentationen lokaler Nachwuchswissenschaftlerinnen und -wissenschaftler und einem Empfang. 2023 geht es um Perzeption und maschinelles Lernen in Informatik und Mathematik. Gastredner sind Dr. Ozan Öktem und Prof. Dr. Daniel Cremers.
Die Vortragenden im Kurzporträt
Dr. Ozan Öktem, KTH Royal Institute of Technology, spricht in seinem Plenarvortrag “Scientific machine learning: An overview with applications to inverse problems” über die sogenannten inversen Probleme. Scientific Machine Learning ist ein aufstrebender Forschungsbereich, der sich mit den Möglichkeiten und Herausforderungen des maschinellen Lernens im Zusammenhang mit komplexen Anwendungen in Wissenschaft, Technik und Medizin befasst. Die Herausforderungen in diesem Bereichunterscheiden sich in ihren Eigenschaften stark von der Anwendungen in der Informatik, bei der datengesteuertes maschinelles Lernen bereits erfolgreich ist. Der Vortrag gibt einen Überblick über den Forschungsbereich. Öktems Schwerpunkt liegt auf der Theorie und den Algorithmen zur Lösung schlecht gestellter inverser Probleme mit einem Schwerpunkt auf tomografischer Bildgebung. Er forscht in der Schnittmenge von mathematischer Analyse, Differentialgeometrie, mathematischer Statistik und maschinellem Lernen.
Prof. Dr. Daniel Cremers, Technische Universität München, gibt einen Überblick über Bildverarbeitung und Künstliche Intelligenz in seinem Gastbeitrag „3D Computer Vision in the Age of Deep Learning“. Er forscht zu mathematischer Bildverarbeitung und Mustererkennung. Ziel seiner Arbeit ist es, Maschinen die Analyse und Interpretation von Bilddaten nahezubringen. Methodische Schwerpunkte seiner wissenschaftlichen Arbeit sind konvexe Optimierung, partielle Differentialgleichungen, graphentheoretische Algorithmen und statistische Inferenz. Cremers ist Ordinarius für Bildverarbeitung und Künstliche Intelligenz an der TUM.
Hinweise zur Teilnahme:
Um vorherige Anmeldung wird gebeten:
https://scwww.math.uni-augsburg.de/caaps-reg/
Termin:
16.10.2023 ab 16:30
Veranstaltungsort:
Hörsaalzentrum Physik
Gebäude T Hörsaal 1001
Universitätsstraße 1
86159 Augsburg
Bayern
Deutschland
Zielgruppe:
Wissenschaftler
E-Mail-Adresse:
Relevanz:
überregional
Sachgebiete:
Informationstechnik, Mathematik
Arten:
Konferenz / Symposion / (Jahres-)Tagung
Eintrag:
12.10.2023
Absender:
Corina Härning
Abteilung:
Stabsstelle Kommunikation und Marketing
Veranstaltung ist kostenlos:
nein
Textsprache:
Deutsch
URL dieser Veranstaltung: http://idw-online.de/de/event75410
Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.
Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).
Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.
Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).
Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).