Zum Inhalt

5. International Summer School: Ressourcenorientiertes Maschinelles Lernen

Beginn: Ende: Veranstaltungsort: Digitale Veranstaltung
Veran­stal­tungs­art:
  • Events
  • Digitale Veranstaltung
  • Fachtagung/Kongress
  • Workshop
  • Vortrag
  • Diskussion
  • Veranstaltungen zum Mitmachen
  • Veranstaltungen zum Zuhören

Maschinelles Lernen zu ist einem der treibenden Felder in der Datenanalyse geworden. Aber wie lassen sich Datenanalyse und begrenzte Ressourcen vereinbaren? Eine Antwort auf diese Frage liefert die 5. International Summer School zum Thema ressourcenorientiertes Maschinelles Lernen.

Diskutiert werden soll unter anderem der neueste Forschungsstand sowie das Thema Ressourcenverbrauch und wie dieser reduziert werden kann. Die Vorträge werden als Videokonferenz stattfinden und beinhalten sowohl theoretische Inhalte als auch praktische Übungen. Zudem besprechen (Post-)Doktorandinnen und Doktoranden in Präsentationen verschiedene Themen.

Über folgende Inhalte werden Interessierte im Rahmen der Veranstaltung informiert:

  • Deep Learning
  • Graph Neural Networks
  • Große Modelle auf kleinen Geräten
  • Leistungsaufnahme von Machine Learning
  • Deep generative modeling
  • Speicherherausforderungen in Deep neural networks (DNN)

Die Summer School wird ergänzt durch einen Hackathon zum Thema Machine Learning: Ein Wettbewerb zur Standortvorhersage in Innenräumen auf der Grundlage bodenintegrierter Sensordaten. Die besten Teams erhalten am letzten Tag der Summer School die Möglichkeit, Roboter live zu steuern und werden zu Forschungs­koopera­tionen nach Dortmund eingeladen. Im Rahmen der Student's Corner können Arbeiten geteilt und diskutiert werden, Forschungsergebnisse ausgetauscht und Kontakte geknüpft werden.

Weitere Informationen und Anmeldung zu allen Veranstaltungen 

Organisiert wird die Sommerschule vom Kompetenzzentrum Maschinelles Lernen Rhein-Ruhr (ML2R), dem Sonderforschungsbereich 876 (SFB 876) und der Arbeitsgruppe Künstliche Intelligenz der TU Dortmund.

Ansprechpartner für weitere Informationen: