Allgemein:
Tutoren: Dr. Sven Magg, Mohammad Zamani
Mohammad Ali Zamani has more than 11 years experience as researcher in the field of Machine Learning, Deep Neural Network, Reinforcement Learning, and Human-Robot/Computer Interaction. Currently, he is a Machine Learning Scientist at the Hamburger Informatik Technologie-Center e.V. (HITeC) where he also is giving workshops about Deep Learning and AutoML. (Homepage: https://zamani.github.io/)
Dr. Sven Magg has more than 14 years experience as researcher and lecturer in the field of Bio-inspired Algorithms, Neural Networks, Machine Learning, and Human-Robot Interaction. He is teaching Bachelor and Master students now for 9 years at the University of Hamburg and recently has joined the Hamburger Informatik Technologie-Center e. V. (HITeC), where he is giving workshops and working as a senior AI developer.
Zeiten:
10.09.2020 WS 1
17.09.2020 WS 2 – Session 1/3
24.09.2020 WS 2 – Session 2/3
01.10.2020 WS 2 – Session 3/3
Fall Break
29.10.2020 WS 3 – Session 1/3
05.11.2020 WS 3 – Session 2/3
12.11.2020 WS 3 – Session 3/3
19.11.2020 WS 4
26.11.2020 WS 5 – Session 1/2
03.12.2020 WS 5 – Session 2/2
Hier die Anmeldelinks für Workshops 1-3, 4-6 folgen in Kürze:
https://workshop1_ki_fuer_entscheider.eventbrite.de
https://workshop2_maschinelles_lernen_ein_einstieg.eventbrite.de
https://workshop3_neuronale_netzwerke_fuer_ml.eventbrite.de
Kosten:
Bei der Wahl eines Workshops:
– ca. 40 Euro pro Lehrstunde für Non-ARIC-Mitglieder
– ca. 25 Euro pro Lehrstunde für ARIC-Mitglieder
Für jeden weiteren Workshop:
– ca. 30 Euro pro Lehrstunde für Non-ARIC-Mitglieder
– ca. 25 Euro pro Lehrstunde für ARIC-Mitglieder
– Sprache: Englisch, bis auf Workshop WS 1 (Deutsch/Englisch möglich).
– 10 Wochen in der Zeit vom 1.9.2020 bis 20.12.2020.
Die Workshops bauen aufeinander auf, können aber auch einzeln belegt werden.
Ort:
Hybrid: Online und bei ARIC e.V. Van-der-Smissen Strasse 9, 22767 Hamburg
— DEUTSCH– (English below)
** WS 1. ** KI für Entscheider *************************************************
— Länge? —
1 Session mit 60min. Hybride Durchführung Präsenz/Online je nach Teilnehmerwunsch
— Für Wen? —
Der Workshop zielt explizit auf Nicht-Informatiker und vor allem Entscheider, CEOs, Marketing Experten, oder allgemein zukünftige Anwender, die über die grundlegenden Prinzipien und Verfahren des maschinellen Lernens und der datenbasierten KI Bescheid wissen wollen.
— Was wird gelehrt? —
Der Workshop führt die grundlegenden Konzepte der datengetriebenen Künstlichen Intelligenz (KI) und des maschinellen Lernens ein. Dabei wird das generelle Vorgehen erklärt und alle wichtigen Begriffe eingeführt und zueinander in Beziehung gebracht, ohne in die technischen Details zu gehen. Am Ende des Workshops können Teilnehmer, unter anderem, die folgenden Fragen beantworten: Wie lernt eine Künstliche Intelligenz? Welche Daten brauche ich und wie viele? Welche Probleme kann eine KI lösen? Welche Kompetenzen brauche ich in meinem Team um ein KI-Projekt umzusetzen?
— Wie wird unterrichtet? —
Der Workshop beinhaltet einen Vortrag, in dem alle Inhalte besprochen werden. Im Anschluss werden noch 1-2 Anwendungsbeispiele gezeigt die das Beschriebene vertiefen und dessen Umsetzung aufzeigen.
Unterrichtssprache ist Deutsch oder Englisch (je nach Teilnehmerwunsch).
— Welche Voraussetzungen muss ich mitbringen?
Keine. Der Workshop richtet sich gezielt an Personen ohne technische Vorkenntnisse oder Erfahrungen mit KI
— Kosten? —
Keine
** WS 2 ** Maschinelles Lernen – Ein Einstieg **********************************
— Länge? —
3 Sessions, jeweils 3 Std. Hybride Durchführung Präsenz/Online je nach Teilnehmerwunsch
— Für Wen? —
Dieses Angebot richtet sich an Einsteiger mit Python Kenntnissen oder zumindest Programmierkenntnissen, die einen praktischen Einstieg in das Thema Künstliche Intelligenz und Maschinelles Lernen suchen.
— Was wird gelehrt? —
Der Workshop widmet sich in drei Sessions den drei unterschiedlichen Lernmethoden der datengetriebenen KI: überwachtes, unüberwachtes, und verstärkendes Lernen (Reinforcement Learning). Es werden jeweils die theoretischen Grundlagen der jeweiligen Lernmethoden und deren Anwendungsgebiete erklärt. Dabei lernen die Teilnehmer jeweils 1-2 repräsentative Methoden für jedes Lernverfahren kennen: k-Means und DBSCAN (unüberwacht), Regression und Support Vektor Machines (SVN) (überwacht) und Q-Learning (verstärkendes Lernen). Die Auswahl der Methoden folgt dabei sowohl didaktischen als auch anwendungsorientierten Kriterien, d. h. sie sind einfach genug, um die Prinzipien schnell zu verstehen, und sind Grundlage vieler, in der Praxis angewandten, Methoden. In diesem Workshop wird geziehlt auf neuronale Methoden verzichtet, um zuerst auf die jeweiligen Prinzipien zu fokussieren und klassische Methoden kennenzulernen, die als Grundlage für neuronale Methoden dienen (siehe Workshop 3).
— Wie wird unterrichtet? —
Jede Session beinhaltet jeweils eine theoretischen Teil, in dem zuerst die Grundlagen besprochen werden um eine Basis zu schaffen, als auch einen praktischen Teil in dem vorbereitete Aufgaben gemeinsam umgesetzt und besprochen werden, sobald die Grundlagen verstanden wurden. Dadurch wird das Verständnis der Theorie vertieft und alle Teilnehmer erhalten praktische Erfahrung mit den jeweiligen Methoden. Die verwendeten Beispiele basieren dabei auf frei zugänglichen Datensätzen und Software-Frameworks um ein vertiefendes Selbststudium nach jeder Session einfach zu ermöglichen. Dadurch wird sichergestellt, dass jeder Teilnehmer das Erlernte auch selbst für eigene Problemstellungen anwenden kann.
Unterrichtssprache ist Englisch.
— Welche Voraussetzungen muss ich mitbringen?
Da alle praktischen Beispiele in Python bereitgestellt werden, sind grundlegende Programmierkenntnisse nötig (optimal bereits Erfahrung mit Python). Der praktische Teil findet online statt, unter Verwendung von Google Collaboratory, wofür ein funktionierender Google Account benötigt wird. Grundlegende Mathe-Vorkenntnisse (solides Schulwissen) sind von Vorteil um die mathematischen Grundlagen der jeweiligen Methoden zu verstehen.
— Kosten? —
ARIC Mitglied: 225 Euro
Nicht ARIC-Mitglied:
– Wenn erster Workshop eines Pakets oder Einzelbuchung: 360 Euro
– Als zusätzlicher Workshop (Paketbuchung): 270 Euro
** WS 3 ** Neuronale Netzwerke für Maschinelles Lernen *************************
— Länge? —
3 Sessions, jeweils 3 Std. Hybride Durchführung Präsenz/Online je nach Teilnehmerwunsch
— Für Wen? —
Dieses Angebot richtet sich an Einsteiger mit Python Kenntnissen oder zumindest Programmierkenntnissen, die einen praktischen Einstieg in das Thema Künstliche Intelligenz und Maschinelles Lernen mit neuronalen Methoden suchen.
— Was wird gelehrt? —
Dieser Workshop folgt dem gleichen Schema wie Workshop 2, widmet sich aber nun in drei Sessions jeweils neuronalen Methoden für die drei unterschiedlichen Lernparadigma. Nach der Einführung der Grundlagen des neuronalen Lernens, lernen die Teilnehmer jeweils einen weit-verbreiten, neuronalen Ansatz für jedes Lernparadigma kennen: Unüberwachte Self-Organising Maps (SOM), Mehrlagige Perzeptronen (MLP) für überwachtes Lernen und Deep-Q-Learning (verstärkendes Lernen). Die Methoden stellen dabei grundlegende Vertreter für die jeweilige Klasse von Algorithmen dar und eignen sich deswegen sehr gut als Grundlage für die meisten weiterführenden neuronalen Ansätze. Darüber hinaus werden auch typische Probleme bei der Anwendung diskutiert und Verfahren aufgezeigt, um diesen entgegenzuwirken.
— Wie wird unterrichtet? —
Jede Session beinhaltet jeweils eine theoretischen Teil, in dem die Grundlagen besprochen werden um eine Basis zu schaffen, als auch einen praktischen Teil in dem vorbereitete Aufgaben gemeinsam umgesetzt und besprochen werden, sobald die Grundlagen verstanden wurden.. Dadurch wird das Verständnis der Theorie vertieft und alle Teilnehmer erhalten praktische Erfahrung mit den jeweiligen Methoden. Die verwendeten Beispiele basieren dabei auf frei zugänglichen Datensätzen und Software-Frameworks um ein vertiefendes Selbststudium nach jeder Session einfach zu ermöglichen. Dadurch wird sichergestellt, dass jeder Teilnehmer das Erlernte auch selbst für eigene Problemstellungen anwenden kann.
Unterrichtssprache ist Englisch.
— Welche Voraussetzungen muss ich mitbringen?
Optimal haben Teilnehmer bereits Workshop 2 besucht und sind mit den grundlegenden Prinzipien der jeweiligen Lernverfahren vertraut. Workshop 3 baut auf diesem Wissen auf und verwendet auch Beispiele wieder, um die Unterschiede zu klassischen ML-Verfahren aufzuzeigen. Dadurch eignet sich Workshop 3 als optimale Fortsetzung zu Workshop 2.
Da alle praktischen Beispiele in Python bereitgestellt werden, sind grundlegende Programmierkenntnisse nötig (optimal bereits Erfahrung mit Python). Der praktische Teil findet online statt, unter Verwendung von Google Collaboratory, wofür ein funktionierender Google Account benötigt wird. Grundlegende Mathe-Vorkenntnisse (solides Schulwissen) sind von Vorteil um die mathematischen Grundlagen der jeweiligen Methoden zu verstehen.
— Kosten? —
ARIC Mitglied: 225 Euro
Nicht ARIC-Mitglied:
– Wenn erster Workshop eines Pakets oder Einzelbuchung: 360 Euro
– Als zusätzlicher Workshop (Paketbuchung): 270 Euro
** WS 4 ** Convolutional Neural Networks ***************************************
— Länge? —
1 Session mit 3 Std. Hybride Durchführung Präsenz/Online je nach Teilnehmerwunsch
— Für Wen? —
Dieses Angebot richtet sich an fortgeschrittene Anfänger, die bereits erste Erfahrungen mit neuronalen Netzwerken und überwachtem Lernen sammeln konnten.
— Was wird gelehrt? —
In diesem Workshop geht es um eine spezielle Klasse von neuronalen Netzwerken, die für den schnellen Aufstieg des Deep Learnings verantwortlich sind: Convolutional Neural Networks. Diese, auf Mustererkennung spezialisierten Netzwerke sind seit Jahren der State-of-the-Art in der Bildverarbeitung und sind auch oft Teil von größeren neuronalen Verarbeitungsketten, in denen sie hochdimensionale, komplexe Eingaben in höhere, abstraktere Repräsentationen überführen zur weiteren Verarbeitung. Ziel dieses Workshops ist es, den Teilnehmern die speziellen Grundlagen dieser überwacht trainierten Netzwerke zu vermitteln, insbesondere im Vergleich zu dem typischen Vertreter des überwachten Lernens, dem mehrlagigen Perzeptron. Die verschiedenen Hyperparameter werden besprochen und deren Auswirkungen an einem Anwendungsbeispiel aufgezeigt.
— Wie wird unterrichtet? —
Nach einem theoretischen Teil, in dem die Grundlagen besprochen werden, folgt ein praktischer Teil in dem eine vorbereitete Aufgabe gemeinsam umgesetzt und besprochen wird. Dadurch wird das Verständnis der Theorie vertieft und alle Teilnehmer erhalten praktische Erfahrung mit der Auswirkung verschiedener Hyperparameter. Die verwendeten Beispiele basieren dabei auf frei zugänglichen Datensätzen und Software-Frameworks um ein vertiefendes Selbststudium nach jeder Session einfach zu ermöglichen. Dadurch wird sichergestellt, dass jeder Teilnehmer das Erlernte auch selbst für eigene Problemstellungen anwenden kann.
Unterrichtssprache ist Englisch.
— Welche Voraussetzungen muss ich mitbringen?
Wissen über grundlegende neuronale Verarbeitung und überwachtes Lernen wird vorausgesetzt. Optimal haben Teilnehmer bereits Workshop 3 abgeschlossen, in dem dieses Wissen vermittelt wurde. Auch baut Workshop 4 nahtlos auf Workshop 3 auf bezüglich der Beispiele und diskutierten Anwendungsfälle und eignet sich dadurch als optimale Fortsetzung.
Da alle praktischen Beispiele in Python bereitgestellt werden, sind solide Pythonkenntnisse (oder alternativ gute Programmiererfahrung) nötig. Der praktische Teil findet online statt, unter Verwendung von Google Collaboratory, wofür ein funktionierender Google Account benötigt wird. Grundlegende Mathe-Vorkenntnisse (solides Schulwissen) sind von Vorteil um die mathematischen Grundlagen der jeweiligen Methoden zu verstehen.
— Kosten? —
ARIC Mitglied: 75 Euro
Nicht ARIC-Mitglied:
– Wenn erster Workshop eines Pakets oder Einzelbuchung: 120 Euro
– Als zusätzlicher Workshop (Paketbuchung): 90 Euro
** WS 5 ** Hyperparameter Optimisation *****************************************
— Länge? —
2 Sessions, jeweils 3 Std. Hybride Durchführung Präsenz/Online je nach Teilnehmerwunsch
— Für Wen? —
Dieses Angebot richtet sich an Fortgeschrittene, die bereits gute Erfahrungen mit neuronalen Netzwerken (insbesondere MLP und CNN) und überwachtem Lernen sammeln konnten und nun an einer Optimierung dieser Netzwerke interessiert sind.
— Was wird gelehrt? —
Ein großes Problem aktueller Deep-Learning Ansätze ist die Optimierung der jeweiligen Hyperparameter (z. B. Netzwerkstruktur, Lernrate, verwendete Aktivierungsfunktionen, etc.) bezüglich eines speziellen Anwendungsfalles. Aufgrund der großen Auswahl an möglichen Parametern, deren komplexer Interaktion und dem oft noch fehlenden Wissen über die optimalen Parameter für die anvisierte Domäne, wird seit längerem zu automatisierten Verfahren gegriffen, um die optimalen Hyperparameter zu finden. Dieser Workshop stellt die generellen Prinzipien und Verfahren in zwei Schritten vor: Zuerst werden die grundlegenden Funktionsweisen anhand der Optimierung eines MLPs für ein einfaches Regressionsproblem gezeigt. In der zweiten Session werden dann Unterschiede der Verfahren und die Auswirkung verschiedener Einstellungen anhand der Optimierung eines CNNs für einen realen Anwendungsfall für Klassifizierung aufgezeigt. Am Ende haben alle Teilnehmer eine Übersicht über derzeit verwendete Verfahren und praktisches Wissen über die Optimierung von Hyperparametern von lernenden Systemen mit mindestens einem aktuellen Verfahren.
— Wie wird unterrichtet? —
Nach jeweils einem theoretischen Teil, in dem die Grundlagen besprochen werden, folgt ein praktischer Teil in dem eine vorbereitete Aufgabe gemeinsam umgesetzt und besprochen wird. Dadurch wird das Verständnis der Theorie vertieft und alle Teilnehmer erhalten praktische Erfahrung mit der Optimierung von Netzwerken. Die verwendeten Beispiele basieren dabei auf frei zugänglichen Datensätzen und Software-Frameworks um ein vertiefendes Selbststudium nach jeder Session einfach zu ermöglichen. Dadurch wird sichergestellt, dass jeder Teilnehmer das Erlernte auch selbst für eigene Problemstellungen anwenden kann.
Unterrichtssprache ist Englisch.
— Welche Voraussetzungen muss ich mitbringen?
Erfahrung mit neuronalen Netzwerken und deren Programmierung in Python wird vorausgesetzt. Optimal haben Teilnehmer bereits Workshops 3 und 4 abgeschlossen, in denen dieses Wissen vermittelt wurde. Auch baut Workshop 5 nahtlos auf Workshop 3 und 4 auf bezüglich der Beispiele und diskutierten Anwendungsfälle und eignet sich dadurch als optimale Fortsetzung. Der praktische Teil findet online statt, unter Verwendung von Google Collaboratory, wofür ein funktionierender Google Account benötigt wird.
— Kosten? —
ARIC Mitglied: 150 Euro
Nicht ARIC-Mitglied:
– Wenn erster Workshop eines Pakets oder Einzelbuchung: 240 Euro
– Als zusätzlicher Workshop (Paketbuchung): 180 Euro
** WS 6 ** KI Anwendungs-Workshop *****************************************
— Länge? —
Ein Tag, 8 Std. Hybride Durchführung Präsenz/Online je nach Teilnehmerwunsch
— Für Wen? —
Dieses Angebot richtet sich an Gruppen ehemaliger Teilnehmer der Workshops 3-5, die die erlernten Verfahren in der Praxis an eigenen Problemen anwenden wollen
— Was ist geplant? —
Der Workshop ist als eine Art Hackathon geplant, an dem die Teilnehmer in Kleingruppen an mitgebrachten Problemen und Daten betreut arbeiten. Es werden (je nach Teilnehmerzahl) mehrere Tutoren anwesend sein, die die Teilnehmer bei der Umsetzung von Methoden zur Lösung eines mitgebrachten Problems unterstützen und beraten. Optimal besteht eine Kleingruppe aus Entwicklern eines Unternehmens, die ein reales Problem lösen wollen und dabei Beratung und Hilfe suchen zur Auswahl und Optimierung der jeweiligen Verfahren. Die anwesenden Kleingruppen stellen dabei Ihre Probleme und Lösungen am Ende gegenseitig vor um möglichst viele Lösungen kennenzulernen und Erfahrungen sammeln zu können. Um eine effiziente Beratung und Hilfe zu ermöglichen (und nicht mit dedizierten, individuellen Beratungsangeboten zu konkurrieren) müssen die anvisierten Lösungen auf den in WS 3-5 bereitgestellten Code-Beispielen beruhen. Unterrichtssprache ist Englisch oder Deutsch (je nach Teilnehmerwunsch).
— Welche Voraussetzungen muss ich mitbringen?
Es wird vorausgesetzt, dass alle Teilnehmer die für das Problem notwendigen Grundlagen aus den Workshops 3-5 kennen und die jeweiligen Unterrichtsmaterialien und Code-Beispiele als Basis für die Entwicklung in WS 6 nutzen.
Jede Gruppe muss das geplante Problem und die geplanten Daten in einer kurzen Beschreibung vorab zur Verfügung stellen. Dies dient zur optimalen Vorbereitung der Tutoren und zur Entscheidung, ob das Problem sinnvoll und praktikabel ist. Dies wird mit den Teilnehmern vor dem Workshop diskutiert und evaluiert. Je nach Vertraulichkeit der verwendeten Daten, kann der Ablauf angepasst werden, um dem entgegenzukommen.
– Kosten? —
ARIC Mitglied: 200 Euro
Nicht ARIC-Mitglied:
– Wenn erster Workshop eines Pakets oder Einzelbuchung: 320 Euro
– Als zusätzlicher Workshop (Paketbuchung): 240 Euro
Weitere kostenlose ARIC-Workshops, Webinare und Veranstaltungen finden Sie unter www.aric-hamburg.de/aric-news/. Außerdem können Sie sich zu unserem ARIC-Newsletter auf unserer Webseite unter Newsletter anmelden.
################################################################################
———————————— English ———————————–
################################################################################
** WS 1. ** AI for Deciders *************************************************
— Length? —
1 Session with 45-60min. Hybrid attendance in-person/online possible.
— For whom? —
The workshop aims explicitly at people without computer science background, and there especially deciders, CEOs, marketing experts, or generally all future users, who want to learn about the general principles and methods of Machine Learning and data-driven Artificial Intelligence (AI).
— At a glance —
General principles of AI, AI Buzzwords, Machine Learning, Data, Learning Bias, Overfitting, AI Project Requirements, Best Practices
— What are the contents? —
The workshop introduces the basic concepts behind data-driven AI and Machine Learning. The main aim is for all participants to develop a basic understanding of the general process and all important keywords along the way, without delving into technical details. At the end of the workshop, all participants should be able to answer the following questions (among others): How does an AI system learn? What kind of data do I need and how much? What problems can I solve with AI? Which competencies do I need in my team to implement a successful AI project?
— How will it be implemented? —
The workshop consists of a presentation where all the concepts will be explained, and a second part where 1-2 use cases are discussed, to show how AI projects can be successfully implemented.
Language can be German or English (depending on participants).
— What prerequisites do I need to fulfil? —
None. The workshop explicitly targets people without technical background or previous experience with AI.
— Costs? —
None.
** WS 2 ** Machine Learning – An Introduction **********************************
— Length?
–3 Sessions, 3h each. Hybrid attendance in-person/online possible.
— For whom? —
This workshop aims at beginners with Python experience, or at least general programming skills, who want to get a practical introduction to the topic of AI and Machine Learning.
— At a glance —
Learning Paradigms of AI, Supervised, Unsupervised, and Reinforcement Learning, k-Means, DBSCAN, Regression, SVM, Q-Learning, Actor-Critic Learning
— What are the contents? —
The workshop consists of three sessions for the three different main learning paradigms of data-driven AI: Supervised, unsupervised, and Reinforcement Learning. In each session, first the basic principles of the learning paradigm and its use cases will be explained. The participants will learn about 1-2 representative methods for each paradigm: k-means and DBSCAN (unsupervised), Regression and Support Vector Machines (SVM, supervised), and Q-Learning (Reinforcement Learning). The selection of those methods was done according to didactic as well as application-oriented criteria, i.e. they are simple enough to quickly grasp the underlying principles, but are also the foundation on which many applied methods are based on. In this workshop, we purposefully do without neural approaches, to focus on the more classical approaches and the underlying principles of each learning paradigm, which form the basis for the neural methods (see workshop 3).
— How will it be implemented? —
Each session contains both a theoretical part, in which the basic principles and methods will be introduced to build a solid foundation, and a hands-on part, in which prepared tasks will be implemented together and discussed after the theoretical concepts have been understood. The understanding of the theoretical principles will be thus deepened, while all participants gain hands-on experience with the respective methods. The chosen examples all are based on freely available data and software frameworks, to enable everybody to continue learning after each session independently. By this, we want to ensure that each participant has the possibility to easily transfer and expand their knowledge towards their own problem cases after the workshop ends.
Teaching language will be English.
— What prerequisites do I need to fulfil? —
Since the hands-on session is done with Python code, basic programming skills are needed (optimally already in Python). The programming tasks will be done online through Google Collaboratory, so you would need a working Google account. Basic mathematical skills (robust school knowledge) are beneficial to understand the mathematical underpinnings of each method.
— Costs? —
ARIC Member: 225 Euro
Not ARIC-Member:
– If first workshop in collective order or single purchase: 360 Euro
– As addtional workshop in collective order: 270 Euro
** WS 3 ** Neural Networks for Machine Learning ********************************
— Length? —
3 Sessions, 3h each. Hybrid attendance in-person/online possible.
— For whom? —
This workshop aims at beginners with Python experience, or at least general programming skills, who want to get a practical introduction to the topic of AI and Machine Learning with neural networks.
— At a glance —
Neural Learning, SOMs, MLPs, Deep Learning, Deep-Q-Learning
— What are the contents? —
The workshop follows the same approach as workshop 2, but now focusses on neural methods for each learning paradigm in the three sessions. After an introduction to neural learning and its principles, all participants will learn about one widely-used method from each class: Unsupervised Self-Organising Maps (SOM), Multi-Layer Perceptrons as supervised learning example, and Deep-Q-Learning (Reinforcement Learning). The chosen algorithms are all representative of their class and thus are an optimal basis for many other advanced neural approaches. Next to those algorithms, also typical use-cases will be discussed, together with common pitfalls and how to avoid them.
— How will it be implemented? —
Each session contains both a theoretical part, in which the basic principles and methods will be introduced to build a solid foundation, and a hands-on part, in which prepared tasks will be implemented together and discussed after the theoretical concepts have been understood. The understanding of the theoretical principles will be thus deepened, while all participants gain hands-on experience with the respective methods. The chosen examples all are based on freely available data and software frameworks, to enable everybody to continue learning after each session independently. By this, we want to ensure that each participant has the possibility to easily transfer and expand their knowledge towards their own problem cases after the workshop ends.
Teaching language will be English.
— What prerequisites do I need to fulfil? —
Optimally, all participants should have already completed workshop 2 and know the basic principles of data-driven learning. Workshop 3 directly builds on this knowledge and also re-uses examples from WS 2 to show the differences to classical AI learning methods. Thus, WS 3 is an optimal continuation of WS 2.
Since the hands-on session is done with Python code, basic programming skills are needed (optimally already in Python). The programming tasks will be done online through Google Collaboratory, so you would need a working Google account. Basic mathematical skills (robust school knowledge) are beneficial to understand the mathematical underpinnings of each method.
— Costs? —
ARIC Member: 225 Euro
Not ARIC-Member:
– If first workshop in collective order or single purchase: 360 Euro
– As addtional workshop in collective order: 270 Euro
** WS 4 ** Convolutional Neural Networks ***************************************
— Length? —
1 Session of 3h. Hybrid attendance in-person/online possible.
— For whom? —
This session is for intermediates (advanced beginners) who already have experience with neural networks and supervised learning.
— At a glance —
Image Processing, CNNs, pattern recognition
— What are the contents? —
This workshop deals with a special class of neural networks who are partly responsible for the quick rise of deep learning: Convolutional Neural Networks. This type of networks are specifically well suited for pattern recognition and are for many years now the state of the art in image processing. They are often also part of neural processing chains, where high-dimensional, complex inputs have to be transformed to higher-level, more abstract representations for further processing. The goal for this workshop is to teach the specific features of this network type, especially in comparison to the multilayer Perceptron, as typical representative of supervised neural learning. The common hyperparameters will be discussed and their effects demonstrated within a realistic application example.
— How will it be implemented? —
After a theoretical part, in which the basic principles and features will be introduced, prepared tasks will be implemented together and discussed in a hands-on fashion. Therefore, the understanding of the theoretical principles will be deepened, while all participants gain hands-on experience with the effects of different design decisions and hyperparameters. The chosen examples all are based on freely available data and software frameworks, to enable everybody to continue learning after each session independently. By this, we want to ensure that each participant has the possibility to easily transfer and expand their knowledge towards their own problem cases after the workshop ends.
Teaching language will be English.
— What prerequisites do I need to fulfil? —
Knowledge about general neural processing and supervised learning will be assumed. Optimally, all participants should have completed workshop 3 in which all necessary concepts are covered. WS 4 also seamlessly builds on WS 3 in terms of use cases and examples and thus is the ideal continuation after WS 3.
Since the hands-on session is done with Python code, basic programming skills are needed (optimally already in Python). The programming tasks will be done online through Google Collaboratory, so you would need a working Google account. Basic mathematical skills (robust school knowledge) are beneficial to understand the mathematical underpinnings of each method.
— Costs? —
ARIC Member: 75 Euro
Not ARIC-Member:
– If first workshop in collective order or single purchase: 120 Euro
– As addtional workshop in collective order: 90 Euro
** WS 5 ** Hyperparameter Optimization ********************************
– Length? —
2 Sessions, 3h each. Hybrid attendance in-person/online possible.
— For whom? —
This workshop aims at advanced users who have already practical experience with neural networks (especially MLP and CNN) and supervised learning and are now interested to optimize them.
— At a glance —
Advanced Neural Learning, MLP, CNN, Hyperparameter Optimization
— What are the contents? —
A big issue with current deep learning approaches is finding optimal hyperparameters (e.g. network structure, learning rate, activation function, etc) for a given problem case. Because of a long list of possible parameters, their possible interactions, and the often still missing knowledge on optimal parameters in the given domain, often automatic search in the parameter space is the tool of choice. This workshop introduces the general ideas and principles in two steps: First the basic process is shown by optimizing an MLP for a simple regression problem. Then, in a second step, the effects of different methods and parametrizations are demonstrated on a more complex and realistic classification problem for a CNN. AT the end of the workshop, all participants will have gained an overview over currently used optimization methods and at practical knowledge on at least one state-of-the-art approach.
— How will it be implemented? —
Each session contains both a theoretical part, in which the basic principles and methods will be introduced, and a hands-on part, in which prepared tasks will be implemented together and discussed. Therefore, the understanding of the theoretical principles will be deepened, while all participants gain hands-on experience with the respective methods. The chosen examples all are based on freely available data and software frameworks, to enable everybody to continue learning after each session independently. By this, we want to ensure that each participant has the possibility to easily transfer and expand their knowledge towards their own problem cases after the workshop ends.
Teaching language will be English.
— What prerequisites do I need to fulfil? —
Practical experience with neural network programming in Python is expected. Optimally, all participants should have already completed workshops 3 and 4 in which that knowledge is taught. Workshop 5 also seamlessly builds on WS 3 and 4 in terms of use cases and examples and thus is the ideal continuation after WS 4.
Since the hands-on session is done with Python code, basic programming skills are needed (optimally already in Python). The programming tasks will be done online through Google Collaboratory, so you would need a working Google account.
— Costs? —
ARIC Member: 150 Euro
Not ARIC-Member:
– If first workshop in collective order or single purchase: 240 Euro
– As addtional workshop in collective order: 180 Euro
** WS 6 ** AI Application Workshop *********************************************
— Length? —
One day, 8h. Hybrid attendance in-person/online possible
— For whom? —
This offer targets groups of previous participants of workshops 3-5 who want to implement the learned methods wihtin an own application.
— What are the contents? —
This workshop is organized as a type of Hackathon, in which participants implement solutions to own brought-along problems in small groups while having access to expert advice. Depending on attendance numbers, several tutors will be present who advise participants on the implementation and on how to best approach the problem at hand. Optimally, each group consists of developers of the same company, who want to solve a real problem and are looking for help on selecting the best method and on how to optimize it. The groups present and discuss their solutions in the end, to benefit from the different approaches and solutions. To enable efficient supervision (and to not compete with individual consultation), all envisioned solutions need to be based on code samples from workshops 2-5.
— What prerequisites do I need to fulfil? —
It is required that all participants know the basic concepts from workshops 2-5 relevant for their problem and also use code based on the code examples and tasks from those workshops for implementation of their solution.
Each group has to submit a short description of the selected problem and the selected data before the event. Based on this description, the tutors can prepare for the event and will also give feedback whether the problem is suitable. This will be discussed with the participants before the event. Depending on the sensitivity of the data, the procedure of the event can be adapted to address this.
— Costs? —
ARIC Member: 200 Euro
Not ARIC-Member:
– If first workshop in collective order or single purchase: 320 Euro
– As addtional workshop in collective order: 240 Euro
