BEGIN:VCALENDAR
VERSION:2.0
PRODID:https://github.com/derhansen/sf_event_mgt
METHOD:PUBLISH
BEGIN:VEVENT
UID:2433-2609@rg-koeln.gi.de
CLASS: PUBLIC
SUMMARY:Themenabend: Machine Learning
DESCRIPTION:Was ist Machine Learning und wie kann es heute genutzt werden?\
 n\nMachine Learning ist ein Teilbereich der Künstlichen Intelligenz, der es
  Systemen ermöglicht, ohne explizite Programmierung zu lernen und Ergebniss
 e zu progno­stizieren. Statt Algorithmen und Regeln zu schreiben, die Entsc
 heidungen direkt treffen, werden beim Machine Learning Computersysteme mit 
 Hilfe großer Datensätze befähigt zu lernen und Entscheidungen zu treffen.\n
 \nRegelbasierte Systeme sind schnell überfordert, wenn sie die Komplexität 
 der realen Welt berücksichtigen müssen. Beim Machine Learning werden Modell
 e erstellt, die Muster in den Daten erkennen und verallgemeinern. Machine L
 earning ist besonders geeignet für Klassifikationen und Vorhersagen.\n\nKer
 n des Machine Learnings sind Algorithmen. Einige davon basieren auf mathe­m
 atischen Methoden, die schon seit Jahrzehnten Anwendung finden (z.B. Regres
 sion, k-Means-Algorithmus). Sie werden zu Vorschlägen für die Kategorisieru
 ng von Daten genutzt. Mit der Verfügbarkeit leistungsfähiger Rechner (insb.
  Graphics Processing Units) können heute künstliche neuronale Netzwerke ant
 rainiert werden, auch für neue, unbekannte Daten Prognosen abzugeben.\n\nAu
 f dem heutigen Themenabend werden wir eine kurze Einführung und Übersicht ü
 ber das Machine Learning geben. Die weiteren Referenten werden zeigen, in w
 elchen unterschiedlichen Bereichen Machine Learning erfolgreich angewandt w
 ird.\n\n \n\nVortrag 1: „Einführung und Überblick in Machine Learning“ \n\n
 Der Referent: Herr Dr. Jannis Schücker. Nach seinem Physik Studium an der U
 niversität Bielefeld, promovierte Dr. Jannis Schücker am Forschungszentrum 
 Jülich im Bereich "Computational Neuroscience". Hierbei spezialisierte er s
 ich auf die Dynamik neuronaler Netzwerke. Seit 2017 ist er als Daten­wissen
 ­schaftler am Fraunhofer IAIS tätig, wo die digitale Landwirtschaft sowie d
 ie maschinelle Produktion relevante Anwendungsgebiete darstellen.\n\nDer Vo
 rtrag: Der Vortrag gibt eine Einführung in das Thema des maschinellen Lerne
 ns. Hierbei werden die verschiedenen Ansätze, sowie aktuelle Entwicklungen 
 anschaulich erläutert. Abschließend wird die Anwendung der Methoden anhand 
 eines konkreten Beispiels aus dem Bereich der digitalen Landwirtschaft geze
 igt.\n\n                      \n\nVortrag 2: „Bilderkennung im Licht Neuron
 aler Netze“\n\nDer Referent: Prof. Dr.-Ing. Dietrich Paulus ist Leiter der 
 Arbeitsgruppe Aktives Sehen am Campus Koblenz der Universität Koblenz-Landa
 u. Seine Forschungsschwerpunkte liegen in der Analyse medizinischer Bilder 
 und der Interpretation von Sensordaten in der Robotik.\n\nDer Vortrag: Die 
 Bilderkennung ist eines der Gebiete, das seit Anbeginn der Informatik eng m
 it den Themen des Lernens und später der Künstlichen Intelligenz verwandt w
 ar.  Heute ist insbesondere die Bilderkennung ein Beispiel für den Einsatz 
 einer speziellen neuen Technik in der Künstlichen Intelligenz. Große Erfolg
 e liefern Faltungsnetze, die ein Spezialfall tiefer neuronaler Netze sind. 
 Nach einem kurzen Überblick über Sensoren werden Methoden der Objekterkennu
 ng vorgestellt, wobei zunächst klassische Ansätze und dann die neuronalen V
 erfahren eingeführt werden. Aktuelle Forschungsergebnisse zeigen den Einsat
 z beider Strategien in industriellen Anwendungen und für autonome Roboter u
 nd Fahrzeuge.\n\nDer Vortrag thematisiert zum einen die Methoden der Bilder
 kennung, betrachtet zum anderen die Methoden zum Lernen und zur automatisch
 en Analyse von Daten abstrakt, was einen Transfer auf andere Anwendungsgebi
 ete erlaubt.\n\n\n\n\n\nVortrag 3: „Nutzung von Machine Learning bei Dialog
 systemen“\n\nDer Referent: Dr. Hannes Schulz ist Senior Researcher bei Micr
 osoft Research, Montreal und erforscht datengetriebene Ansätze für Dialogsy
 steme.\n\nHannes Schulz promovierte an der Universität Bonn, unter der Leit
 ung von Prof. Sven Behnke. In Bonn arbeitete er an der Segmentierung von Ob
 jektklassen mit tiefen neuronalen Netzwerken und Random Forests, sowie an R
 estricted Boltzmann-Maschinen.\n\nDer Vortrag: In den vergangenen Jahren ga
 b es große Fortschritte in der Spracherkennung, maschinellem Verstehen und 
 automatischer Beantwortung von Fragen. Ein Nutznießer dieser Fortschritte s
 ind Dialogsysteme, z.B. in virtuellen Assistenten, in denen zunehmend masch
 inelles Lernen Einzug hält. Der Vortrag zeigt an welchen Stellen der klassi
 schen Verarbeitungskette maschinelles Lernen, meist tiefe neuronale Netze, 
 eingesetzt wird, und geht kurz auf aktuelle Herausforderungen durch inadäqu
 ate Metriken und die Knappheit annotierter Daten ein.
LOCATION:Hörsaal II der Uni Köln
DTSTAMP:20191028T184221Z
DTSTART:20191009T160000Z
DTEND:20191009T180000Z
END:VEVENT
END:VCALENDAR