Maschinelles Lernen ohne Stromverbrauch
- Top-Meldungen
- Forschung
- Studium & Lehre
Mitte September richtete der Sonderforschungsbereich (SFB) 876 der TU Dortmund seine sechste internationale Summer School zum Thema Maschinelles Lernen unter Ressourcenbeschränkungen aus. Bei der hybriden Veranstaltung waren rund 70 Nachwuchswissenschaftler*innen aus elf Ländern vor Ort, mehr als 200 Gäste nahmen digital an den 14 Vorlesungen teil. Inhaltlich ging es um Datenanalyse – Maschinelles Lernen, Data Mining, Statistik –, eingebettete Systeme sowie die Anwendung der gezeigten Analyseverfahren.
Die Vorlesungen wurden von internationalen Expert*innen gehalten und umfassten Themen wie Deep Learning, effizientes verteiltes Lernen, Maschinelles Lernen ohne Stromverbrauch oder Verallgemeinerung im Deep Learning. Im Rahmen einer Student’s Corner – einer verlängerten Kaffeepause mit Posterpräsentationen – stellten sich die Teilnehmenden gegenseitig ihre Forschung vor, tauschten sich aus und vernetzten sich miteinander.
Hackathon: Viruspartikel erkennen und Viruslast bestimmen
Der Hackathon der Summer School stellte das praktische Wissen der Teilnehmenden über Maschinelles Lernen auf die Probe. Passend zum Kontext der Corona-Pandemie sollten sie in einem Datenanalyseszenario unter Realbedingungen virusähnliche Nanopartikel mit Hilfe eines plasmongestützten Mikroskopiesensors identifizieren. Der Sensor und die Analyse seiner Daten sind Teil der Forschung des SFB 876. Ziel der Analyseaufgabe war es, Proben mit virusähnlichen Partikeln zu erkennen und die Viruslast auf einem eingebetteten System unter Ressourcenbeschränkungen zu bestimmen.