Workshop 2 - Maschinelles Lernen - Ein Einstieg

(for English see below!)

-- Wann und wie lange? --

3 Sessions, jeweils 3 Std. Online über Videochat Tools . Drei Termine:

Session 1: 15.04.2021, 16:00 - 19:00 Uhr

Session 2: 22.04.2021, 16:00 - 19:00 Uhr

Session 3: 29.04.2021, 16:00 - 19:00 Uhr

Details für interaktive online Teilnahme werden nach Anmeldung bereitgestellt.

-- 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.

-- Stichworte --

Learning Paradigms of AI, Supervised, Unsupervised, and Reinforcement Learning, k-Means, DBSCAN, Regression, SVM, Q-Learning, Actor-Critic Learning

-- 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 gezielt 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 einen 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. Der Raum wird online über ein Videochat-Tool gestreamed und online Teilnehmer können interaktiv teilnehmen.

-- 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.

Für die praktischen Beispiele wird ein eigener Laptop benötigt!

-- Tickets --

Die Preise unterscheiden sich zwischen ARIC e.V. Mitglied, der Einzelbuchung nur dieses Workshops oder der Buchung als Zusatzworkshop (wenn gleichzeitig ein anderer HITeC Workshop zum vollen Preis gebucht wird).

************************ English Version ************************

-- How long? --

3 Sessions, 3h each. Online via video chat tools. The dates:

Session 1: 15.04.2021, 16:00 - 19:00h

Session 2: 22.04.2021, 16:00 - 19:00h

Session 3: 29.04.2021, 16:00 - 19:00h

Details for online participation follow after registration.

-- 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. The classroom will be streamed through a video chat tool and online participants can interactively participate.

-- What prerequisites do I need to fulfill? --

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.

For the hands-on session, you need to bring your own laptop!

-- Tickets --

Prices differ between ARIC e.V. members, booking only this workshop, or booking the workshop as an additional workshop (when you already book another HITeC workshop at full price).