idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Thema Corona

Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store

Veranstaltung


institutionlogo


17.10.2022 - 21.10.2022 | St. Augustin

Machine Learning - Fundamentals and Applications to Examples in Materials Science

Artificial intelligence in machine learning using deep learning is becoming increasingly important for analyzing materials science data, especially image data.

The training course offers a practice-oriented introduction to convolutional neural networks to automatically analyze material science data. The focus will be on classification and segmentation of image data and tabular data.

Training management:

Dr.-Ing. Tim Dahmen - Deutsches Forschungszentrum für Künstliche Intelligenz GmbH

Lecturers:

Dr.-Ing. Dominik Britz - Material Engineering Center Saarland (MECS)
Prof. Dr.-Ing. Frank Mücklich - Universität des Saarlandes
Martin Müller - Universität des Saarlandes
Prof. Dr. Stefan Sandfeld - Forschungszentrum Jülich GmbH

Goals:

-After a short introduction, which is not mathematically in-depth, application examples of Deep Learning are developed together.
You will learn how to implement and apply neural networks with the help of Python and suitable libraries. The focus is on the independent application of the developed models.
By executing and modifying the provided scripts on your own, you will be able to directly apply the acquired knowledge in practice.
After participation, you will know the possibilities and problems of machine learning, so that you can efficiently transfer and adapt the learned contents to your own data.

Target Group:

Ideal prerequisites for successful participation in the training course are basic programming skills in Python, Matlab or other programming languages. The previous knowledge includes: variables and associated arithmetic operations, functions, case distinctions, control structures. Basic knowledge of mathematics is also helpful. For example, you should have an idea about the keywords vector, linear dependence, gradient and non-linearity.

Full list of associated Training Courses:

Online:
07 - 11 March 2022 (in German)
16 - 20 May 2022 (in German)
12 - 16 September 2022 (in German)
17 - 21 October 2022 (in English)

Hinweise zur Teilnahme:
Lecture times: 1st - 5th day 9 am - 1 pm

The training takes place as an online event. Registered participants will receive the access link to the training by e-mail a few days before the event.


The participation fees include training materials, which the registered participants will receive a few days before the event by mail.

Required software tools for participation: PUTTY (installation instructions will be sent to participants shortly before the training)

Termin:

17.10.2022 ab 09:00 - 21.10.2022 13:00

Veranstaltungsort:

Online
St. Augustin
Nordrhein-Westfalen
Deutschland

Zielgruppe:

Wirtschaftsvertreter, Wissenschaftler

E-Mail-Adresse:

Relevanz:

überregional

Sachgebiete:

Informationstechnik, Werkstoffwissenschaften

Arten:

Seminar / Workshop / Diskussion, Vortrag / Kolloquium / Vorlesung

Eintrag:

06.04.2022

Absender:

Stefan Klein

Abteilung:

Kommunikation & Medien

Veranstaltung ist kostenlos:

nein

Textsprache:

Englisch

URL dieser Veranstaltung: http://idw-online.de/de/event71264


Hilfe

Die Suche / Erweiterte Suche im idw-Archiv
Verknüpfungen

Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

Klammern

Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

Wortgruppen

Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

Auswahlkriterien

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).