FDAK Machine Learning

 

INHALT
Machine Learning wird vermehrt von Studierenden und Industrie nachgefragt, und findet nach und nach auch in den Curricula seinen festen Platz. Die Verfügbarkeit von hochentwickelten Toolkits erlaubt es, die Themen Software Engineering, Softwarearchitektur und Machine Learning für angewandte Studiengänge zu kombinieren und auch insbesondere interdisziplinäre Projekte über Fakultäten und Studiengänge hinweg durchzuführen.

Wir als Lehrende müssen nun einen Spagat zwischen den mathematisch oft sehr anspruchsvollen Grundlagen und der oberflächlich einfach wirkenden Anwendung von Toolkits wie Scikit Learn, Tensorflow oder PyTorch schaffen. Wie tief steigt man in die Theorie ein, welche Toolkits sind am besten geeignet? Wie sehen die Problemstellungen aus?

Dieses Mal wollen wir einen Schwerpunkt auf die technische Umsetzung von ML Experimenten setzen, wie sie für Lehrveranstaltungen und Abschlussarbeiten nötig sind.
Als Diskussionsgrundlage stellen wir das Clustersystem am KIZ der TH Nürnberg vor, welches auf Basis von Slurm eine container- und QoS-fähige HPC Umgebung anbietet.


SIE ALS TEILNEHMENDE

  • vernetzen sich mit Kolleginnen und Kollegen von anderen Hochschulen.
  • berichten über Ihre Erfahrungen im Lehrgebiet Maschinelles Lernen.
  • diskutieren über didaktische Konzepte dafür.
  • erarbeiten einen Anforderungskatalog für Projekt- und Abschlussarbeiten.
  • tauschen sich zu Lehr- und Lernmaterialien sowie Fallstudien aus.

 

Termin

Do. 25.05.2023:    10:15 - 15:30 Uhr

Organisation

Prof. Dr.-Ing. Korbinian Riedhammer
Prof. Dr. Tobias Bocklet (beide TH Nürnberg GSO)

Ort

BayZiel Ingolstadt
Goldknopfgasse 7
85049 Ingolstadt

Teilnahmegebühr

kostenfrei

Buchung

Die Veranstaltung wurde abgesagt.