ARIC

Coding-Work­shoprei­he von ARIC-Grün­dungs­mit­glied HITeC

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

Share this:
X