(for English see below!)

-- Wann und wie lange? --

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

Session 1: 28.01.2021, 16:00 - 19:00 Uhr

Session 2: 04.02.2021, 16:00 - 19:00 Uhr

Session 3: 11.02.2021, 16:00 - 19:00 Uhr

Details für Onlineteilnahme werden kurz vor der Veranstaltung 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 mit neuronalen Methoden suchen.

-- Stichworte --

Neurales Lernen, SOMs, MLPs, Deep Learning, Deep-Q-Learning

-- Was wird gelehrt? --

Dieser Workshop folgt dem gleichen Schema wie Workshop 2, widmet sich aber nun in drei Sessions jeweils neuronalen Methoden für die drei unterschiedlichen Lernparadigma. Nach der Einführung der Grundlagen des neuronalen Lernens, lernen die Teilnehmer jeweils einen weit-verbreiten, neuronalen Ansatz für jedes Lernparadigma kennen: Unüberwachte Self-Organising Maps (SOM), Mehrlagige Perzeptronen (MLP) für überwachtes Lernen und Deep-Q-Learning (verstärkendes Lernen). Die Methoden stellen dabei grundlegende Vertreter für die jeweilige Klasse von Algorithmen dar und eignen sich deswegen sehr gut als Grundlage für die meisten weiterführenden neuronalen Ansätze. Darüber hinaus werden auch typische Probleme bei der Anwendung diskutiert und Verfahren aufgezeigt, um diesen entgegenzuwirken.

-- Wie wird unterrichtet? --

Jede Session beinhaltet jeweils eine theoretischen Teil, in dem 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? --

Optimal haben Teilnehmer bereits Workshop 2 besucht und sind mit den grundlegenden Prinzipien der jeweiligen Lernverfahren vertraut. Workshop 3 baut auf diesem Wissen auf und verwendet auch Beispiele wieder, um die Unterschiede zu klassischen ML-Verfahren aufzuzeigen. Dadurch eignet sich Workshop 3 als optimale Fortsetzung zu Workshop 2 .

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 and when? --

3 Sessions, 3h each, via online Videochat. The dates:

Session 1: 28.01.2021, 16:00 - 19:00 Uhr

Session 2: 04.02.2021, 16:00 - 19:00 Uhr

Session 3: 11.02.2021, 16:00 - 19:00 Uhr

Details for online participation follow shortly before the event.

-- 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 with neural networks.

-- At a glance --

Neural Learning, SOMs, MLPs, Deep Learning, Deep-Q-Learning

-- What are the contents? --

The workshop follows the same approach as Workshop 2, but now focusses on neural methods for each learning paradigm in the three sessions. After an introduction to neural learning and its principles, all participants will learn about one widely-used method from each class: Unsupervised Self-Organising Maps (SOM), Multi-Layer Perceptrons as supervised learning example, and Deep-Q-Learning (Reinforcement Learning). The chosen algorithms are all representative of their class and thus are an optimal basis for many other advanced neural approaches. Next to those algorithms, also typical use-cases will be discussed, together with common pitfalls and how to avoid them.

-- 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? --

Optimally, all participants should have already completed Workshop 2 and know the basic principles of data-driven learning. Workshop 3 directly builds on this knowledge and also re-uses examples from Workshop 2 to show the differences to classical AI learning methods. Thus, Workshop 3 is an optimal continuation of Workshop 2.

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)