Veranstaltet von der Deutschen Gesellschaft für Materialkunde, bietet die Fortbildung einen praxisorientierten Einstieg in faltungsbasierte neuronale Netzwerke (Convolutional Neural Networks) zur automatischen Analyse materialwissenschaftlicher Daten. Der Fokus liegt auf der Klassifizierung und Segmentierung von Bilddaten. Nach einer kurzen Einführung, die mathematisch nicht in die Tiefe geht, werden Anwendungsbeispiele von Deep Learning entwickelt. Die Teilnehmer lernen, wie man mit „Python“ und geeigneten Bibliotheken neuronale Netzwerke implementieren und anwenden kann. Schwerpunkt ist hierbei die eigenständige Anwendung der erarbeiteten Modelle.

Jedem Teilnehmer wird ein 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 bereitgestellten Skripte. Ziel ist, dass die Teilnehmer Möglichkeiten und Probleme kennen- und anwenden lernen, um die Inhalte auf eigene Daten effizient übertragen und adaptieren zu können.

In das Programm der Fortbildung ist ein Networking-Abend mit einem Abendessen integriert. Er bietet den Teilnehmern die Möglichkeit zum Erfahrungsaustausch und zur Vertiefung der Fortbildungsinhalte. Die Veranstaltung steht unter der fachlichen Leitung von Frank Mücklich von der Universität des Saarlandes und Tim Dahmen vom Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI). Der Veranstaltungsort ist das DFKI in Saarbrücken.

www.dgm.de
www.dfki.de