Deep Learning Seminar

Seminarreihe im Rahmen des Leistungszentrums Simulations- und Software-basierte Innovation

Machine Learning, Deep Learning und auch ganz allgemein die Analyse von sehr großen Datenmengen werden immer wichtiger. In fast jedem Bereich der Forschung, Entwicklung oder Industrie werden solche Methoden angewandt. Mit unserem Deep Learning Seminar sollen Interessierte Einblicke in dieses große Forschungsgebiet und ein tieferes Verständnis erhalten. Dazu sind alle eingeladen, die mehr über Deep Learning, Machine Learning oder auch KI allgemein erfahren möchten – egal ob StudentInnen, DoktorandInnen, ProfessorInnen oder Software-EntwicklerInnen.

Dies ist ein Seminarreihe im Rahmen des Leistungszentrums Simulations- und Software-basierte Innovation.

Vortragende

Neben den Mitarbeitenden unserer Abteilung können auch interessierte Externe einen Vortrag in unserer Seminarreihe halten. Wir haben auch die Möglichkeit, externe Sprecherinnen und Sprecher einzuladen. Für Vorschläge, Anregungen oder Wünsche sind wir immer offen.

 

Vortragsrahmen

Ein Vortrag sollte mindestens 20, höchstens jedoch 60 Minuten umfassen. Die verbleibende Zeit steht für Fragen, Kommentare und Feedback zur Verfügung. Wir planen maximal 60 Minuten für jedes Seminar ein.

Das Thema eines Vortrags sollte entweder direkt aus den Bereichen Deep Learning, Machine Learning, Datenanalyse oder KI stammen oder für diese von Relevanz sein. Es ist dabei vollkommen offen gehalten, ob der Vortrag über ein Paper, ein eigenes Projekt oder ein interessantes Thema gehalten wird. Die Komplexität kann dabei von einem allgemeinen Übersichtsvortrag bis hin zu einem Spezialthema reichen.

 

Kontakt

Ergänzend zur Webseite mit aktuellen Informationen bieten wir eine Mailingliste an: zur Anmeldung

 

Termine

Das Seminar findet regelmäßig donnerstags um 10 Uhr im Fraunhofer-ITWM in Raum E4.09 (Riemann) statt. Titel und weitere Termine werden ergänzend im Laufe des Jahres eingetragen.

Die Vorträge unserer Mitarbeitenden der Abteilung sind mit (Fraunhofer ITWM) gekennzeichnet. Diese Termine können ohne Probleme verschoben werden, sollte Interesse an einem Vortrag an diesem Termin bestehen.

04.07.2019 Dominik Loroch (Fraunhofer ITWM)
Deep Learning is a Highly Parallelizable Task : Overview on Distributed Deep Learning
Mehr zum Vortrag
11.07.2019 Dushyant Mehta (Max Planck Institute for Informatics)
Emergence of Implicit Filter Sparsity in Convolutional Neural Networks: Examining the Causes and Implications
Mehr zum Vortrag
22.08.2019 Valentin Tschannen (Fraunhofer ITWM)
Adapting Deep Neural Classifiers to New Unlabelled Datasets with Adversarial Regularization
Mehr zum Vortrag
29.08.2019 Dominik Straßel (Fraunhofer ITWM):
AI and the GDPR – Principles to Remember
Mehr zum Vortrag
05.09.2019 Yang Yang (Fraunhofer ITWM):
Parallel Iterative Optimization Algorithms for Large-Scale Empirical Minimization Problem
Mehr zum Vortrag
12.09.2019 entfällt
19.09.2019 Caroline König (COEVA DATA)
Optimizing Asset Managment Using Machine Learning Approaches
Mehr zum Vortrag
26.09.2019 entfällt
10.10.2019 Dominik Loroch (Fraunhofer ITWM)
Advanced Deep Learning Acceleration Strategies: An Overview on Recent Papers about Accelerating DL Workloads
Mehr zum Vortrag
17.10.2019 Ricard Durall Lopez (Fraunhofer ITWM)
Few-Shot Attribute Transfer
Mehr zum Vortrag
24.10.2019 entfällt
31.10.2019 entfällt
07.11.2019 entfällt
14.11.2019 Avraam Chatzimichailidis (Fraunhofer ITWM):
GradVis: Visualization and Second Order Analysis of Optimization Surfaces during the Training of Deep Neural Networks
und Raju Ram (Fraunhofer ITWM):
Scalable Hyperparameter Optimization with Lazy Gaussian Processes
Mehr zu den Vorträgen
21.11.2019 entfällt wegen SuperComputing
28.11.2019 Kalun Ho (Fraunhofer ITWM)
05.12.2019 Sabine Müller (Fraunhofer ITWM) und Alexandra Carpen-Amarie (Fraunhofer ITWM)
12.12.2019 Philipp Reusch (Fraunhofer ITWM)
19.12.2019 Muhammad Mohsin Ghaffar (TU Kaiserslautern)