idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Science Video Project
idw-Abo

idw-News App:

AppStore

Google Play Store

Event


institutionlogo


Instance:
Share on: 
02/23/2026 - 02/27/2026 | Sankt Augustin

Deep Learning - Grundlagen und Anwendungen auf materialwissenschaftliche Beispiele

Die automatisierte Auswertung materialwissenschaftlicher Daten mittels KI und Deep Learning verändert die Werkstoffanalyse grundlegend. In dieser praxisnahen Fortbildung erhalten Sie einen fundierten Einstieg in Convolutional Neural Networks zur Analyse von Bild- und Tabellendaten. Sie lernen, Deep Learning zur Klassifizierung und Segmentierung einzusetzen und die Methoden gezielt auf eigene Projekte zu übertragen.

Deep Learning ist ein entscheidender Baustein, um die Fähigkeiten Ihres Unternehmens im Bereich Künstliche Intelligenz auszubauen und Kompetenzen in der praktischen Umsetzung materialwissenschaftlicher Probleme zu erwerben.
Hier sind einige Gründe, warum Ihr Unternehmen von einer tieferen Kenntnis in diesem Bereich profitieren wird:

Grundlagen der verwendeten Software Tools: Verstehen Sie PyTorch, FastAi und Jupyter Notebook und nutzen Sie diese effektiv für Ihre Projekte.
Prinzipien des Deep Learning: Erfahren Sie, wie Deep Learning als Methode des Maschinellen Lernens eingesetzt wird und welche Vorteile es bietet.
Anwendung von Deep Learning in der Materialwissenschaft: Erhalten Sie Einblicke in spezifische Anwendungen und lernen Sie, wie Sie diese in Ihrem Unternehmen umsetzen können.
Theorie von Neuronalen Netzen: Verstehen Sie Neuronale Neutze und vertiefen Sie Ihr Wissen über deren Struktur.
Klassifizierungsmodelle: Lernen Sie, wie Sie entsprechende Modelle implementieren und damit 2-Phasen-Stähle klassifizieren sowie tabellarische Daten analysieren können.
Convolutional Neural Networks für Bilddaten: Erfahren Sie, wie Sie Bilddaten effizient klassifizieren und konkrete Anwendungsfälle meistern.
Diskutieren Sie Ihre konkrete praktische Anwendung/Problemstellung mit Expert*innen.
Nutzen Sie diese Chance, um Ihr Unternehmen technologisch weiterzuentwickeln und einen Wettbewerbsvorteil zu erlangen!

Information on participating / attending:
Die Fortbildung eignet sich für:

Wissenschaftler*innen sowie Ingenieur*innen, die in der Forschung und Entwicklung sowie der industriellen Fertigung tätig sind.
Empfohlene Vorkenntnisse: Grundlegende Programmierkenntnisse in Python, Matlab oder anderen Programmiersprachen. Dazu gehören: Variablen und zugehörge arithmetische Operationen, Funktionen, Fallunterscheidungen, Kontrollstrukturen. Weiterhin sind Mathematik Grundkenntnisse hilfreich. Beispielsweise sollten Sie eine Vorstellung zu den Stichworten Vektor, lineare Abhängigkeit, Gradient und Nichtlinearität haben.

Date:

02/23/2026 09:00 - 02/27/2026 13:00

Registration deadline:

02/20/2026

Event venue:

Die Fortbildung findet Online statt
Sankt Augustin
Nordrhein-Westfalen
Germany

Target group:

Scientists and scholars, all interested persons

Email address:

Relevance:

transregional, national

Subject areas:

Materials sciences

Types of events:

Seminar / workshop / discussion

Entry:

08/20/2025

Sender/author:

Stefan Klein

Department:

Kommunikation & Medien

Event is free:

no

Language of the text:

German

URL of this event: http://idw-online.de/en/event79869


Help

Search / advanced search of the idw archives
Combination of search terms

You can combine search terms with and, or and/or not, e.g. Philo not logy.

Brackets

You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).

Phrases

Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.

Selection criteria

You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).

If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).