idw – Informationsdienst Wissenschaft
Nachrichten, Termine, Experten
Nachrichten, Termine, Experten
Für die Auswertung materialwissenschafticher und werkstoffkundlicher Daten, vor allem für Bilddaten, wird Künstliche Intelligenz in Form des Maschinellen Lernens mit Hilfe von Deep Learning immer wichtiger. In dieser Fortbildung bieten wir allen Interessierten einen praxisorientierten Einstieg in faltungsbasierte neuronale Netwerke (Convolutional Neural Networks) zur automatischen Analyse von materialwissenschaftlichen Daten. Der Fokus wird auf der Klassifizierung und Segmentierung von Bilddaten liegen.
Innerhalb dieser praxisnahen und aktuellen Fortbildung werden insbesondere die nachfolgenden Themen erörtert:
Nach einer kurzen Einführung, welche mathematisch nicht in die Tiefe geht, werden Anwendungsbeispiele von Deep Learning entwickelt. Die Teilnehmer werden lernen, wie man mit Hilfe von Python und geeigneten Bibliotheken Neuronale Netzwerke implementieren und anwenden kann. Der Fokus liegt dabei auf der eigenständigen Anwendung der erarbeiteten Modelle. Jedem Teilnehmer wird ein geeigneter Computer, sowie der benötigte Code der entwickelten Verfahren in Form von Jupyter Notebooks, zur Verfügung gestellt. Im Vordergrund steht das entdeckende Lernen durch eigenaktives Ausführen und Ändern der zur Verfügung gestellten Skripte. Ziel ist es, dass die Teilnehmer Möglichkeiten und Probleme kennen und anwenden lernen, um die gelernten Inhalte auf eigene Daten effizient übertragen und adaptieren zu
In das Programm der Fortbildung ist zudem ein Networking-Abend inkl. gemeinsamen Abendessen integriert. Dieser bietet den Teilnehmern eine ideale Möglichkeit zum wei-teren Austausch bereits gemachter Erfahrungen und der weiteren Vertiefung der Fort-bildungsinhalte in einem angenehmen Rahmen.
Der Veranstaltungsort dieser Fortbildung ist die TU Bergakademie Freiberg, Institut für Mechanik und Fluiddynamik, Lampadiusstraße 4, 09599 Freiberg.
Weitere Informationen zu den Inhalten dieser Fortbildung finden Sie unter dem Link: https://www.dgm.de/index.php?id=6548
Die Fortbildung steht unter der fachlichen Leitung von Prof. Dr. Stefan Sandfeld, TU Bergakademie Freiberg und Dr.-Ing. Tim Dahmen, DFKI GmbH.
https://www.dgm.de/index.php?id=6548
Maschinelles Lernen - Grundlagen und Anwendungen auf materialwissenschaftliche Beispiele
Maschinelles Lernen - Grundlagen und Anwendungen auf materialwissenschaftliche Beispiele
Merkmale dieser Pressemitteilung:
Journalisten, Studierende, Wirtschaftsvertreter, Wissenschaftler
Informationstechnik, Maschinenbau, Werkstoffwissenschaften, Wirtschaft
überregional
Forschungs- / Wissenstransfer, wissenschaftliche Weiterbildung
Deutsch
Maschinelles Lernen - Grundlagen und Anwendungen auf materialwissenschaftliche Beispiele
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).
