Name: Ml Summit
Start: 2021-04-19T09:00
End: 2021-04-21T17:00
Location: Online

FILTERN NACH

SESSION-TYP

THEMA

Bis zum 18. Feburar anmelden und bis zu 200 € pro Ticket sparen! Jetzt anmelden!

Bis zum 18. Februar Kolleg*innen anmelden und bis zu 200 € pro Ticket sparen! Jetzt anmelden

Mind. 3 Kolleg:innen
anmelden und
100 € pro Ticket sparen!
Jetzt anmelden!

Mind. zu dritt
anmelden und
bis zu 100 € pro Ticket sparen!
Jetzt anmelden!

LEGENDE

Keynote
Night Session
Workshop
Workshop Intro

09:00 - 09:45

Sylt 2 - 4

Was man mit Machine Learning heute machen kann - 4 Case Studies

Machine Learning ist nicht die Zukunft, sondern die Gegenwart. In diesem Talk zeigt Oliver Zeigermann 4 Beispiele für Machine Learning, die heute existieren und ohne Machine Learning so nicht denkbar wären.

Oliver Zeigermann embarc

10:00 - 13:00

Sylt 1

Building a Python package

Building and distributing Python packages in your organization or as opensource.
Why you want to start building Python packages and how to distribute them for usage.*

*Achtung: Der Workshop findet auf Deutsch statt!

Oz Tiram noris network AG

10:00 - 13:00

Sylt 2 - 4

Grundlagen von Machine Learning

In dieser Hands-on Session bekommen Sie eine Einführung in die Grundlagen von Machine Learning. Wir machen dabei Experimente auf Papier und erste Erfahrungen mit der Python-Bibliothek scikit-learn. Sie brauchen jedoch weder Erfahrung in Machine Learning noch in Python oder scikit-learn. Es wird lediglich ein Laptop, auf dem der Chrome-Browser installiert ist, benötigt.

Oliver Zeigermann embarc

10:00 - 13:00

Sylt 5

Einführung in Software Analytics

In Unternehmen werden Datenanalysen intensiv genutzt, um aus Geschäftsdaten wertvolle Einsichten
zu gewinnen. Warum nutzen wir als Softwareentwickler Datenanalysen dann nicht auch für unsere eigenen Daten?

In diesem Workshop stelle ich Vorgehen und Best Practices von Software Analytics vor. Wir sehen uns die dazugehörigen Open-Source-Werkzeuge an, mit denen sich Probleme in der Softwareentwicklung zielgerichtet analysieren und kommunizieren lassen.

Im Praxisteil mit Jupyter, pandas, jQAssistant, Neo4j & Co. erarbeiten wir gemeinsam wertvolle Einsichten aus Datenquellen wie Git-Repositories, Performancedaten, Qualitätsberichten oder auch direkt aus dem Programmcode. Wir suchen nach besonders fehleranfälligem Code, erschließen No-Go-Areas in Altanwendungen und priorisieren Aufräumarbeiten entlang wichtiger Programmteile.

Gerne kann bei diesem interaktiven Workshop direkt mitgearbeitet werden. Ein Notebook mit Internetzugang reicht hierfür völlig aus.

Markus Harrer innoQ Deutschland GmbH

14:00 - 17:30

Sylt 5

Deep Learning mit TensorFlow 2

Als Google 2015 Tensorflow releaste, stand Deep Learning noch in den Kinderschuhen und viele Konzepte noch im Fluss. Heutzutage sieht das anders aus, Best Practices sind etabliert und die Landschaft ist ruhiger geworden. Auch bei Tensorflow hat sich einiges getan, so wurde Anfang des Jahres durch das Update auf TF 2.0 vieles verändert, bzw. vereinfacht. Im Rahmen des Workshops werden wir uns anschauen, wie man Deep Learning Modelle schnell und einfach mit Tensorflow 2.0 entwickeln kann – ganz ohne Altlasten. Durch Theorie und Praxis werden wir uns Themen wie Eager Execution, Native Keras Integration oder TF Function näher anschauen und lernen, wie man idiomatic TF 2.0-Code schreiben kann.

Jakob Karalus Deloitte

14:00 - 17:30

Sylt 2 - 4

Neuronale Netzwerke mit Pytorch

Tensorflow, Keras und PyTorch sind zur Zeit die populärsten Frameworks zur Entwicklung von neuronalen Netzwerken. PyTorch zeichnet sich vor allem durch seine Flexibilität und Debuggingfähigkeiten aus, ohne dass Abstriche bei der Trainingsperformance gemacht werden müssen. PyTorch ist dadurch vor allem bei Forschern und bei Entwicklern im Bereich Natural Language Processing sehr beliebt. Auch im Bereich Integration und Deployment wurden in den letzten Versionen erhebliche Fortschritte gemacht. Ich werde eine praktische Einführung in PyTorch geben. Der Workshopteilnehmer braucht lediglich Grundkenntnisse in Python und NumPy. Auf diesen Grundkennnissen aufbauend werden wir gemeinsam die ersten einfachen neuronalen Netzwerke entwickeln und trainieren. Auch grundlegende Architekturen für Bildklassifizierung (Convolutional Neural Networks) und Sequenzprozessierung (Recurrent Neural Network) werden sowohl in der Theorie behandelt als auch im Kurs praktisch umgesetzt. Der Workshop basiert auf Google Colab Notebooks, was die Nutzung von GPUs für jeden Kursteilnehmer ermöglicht, sofern sie/er einen Google-Account besitzt.

Chi Nhan Nguyen itemis

14:00 - 17:30

Sylt 1

Processing Time-Series data with Spark and Python

Telemetrics data and financial data are just some of the many forms of data that can be processed exceptionally well as time series. By using Spark and Python, this workshop aims to provide some practical insight as to how we can go about processing such data and extract valuable insights therefrom. During the workshop, we will cover the differences between time-series representations

against other representations of time-related data and will discuss methods for extracting time-series from those other representations. After covering the necessary fundamentals, we will work on cultivating hands-on experience in writing Spark jobs and training basic machine learning models based on some time-series that will be made available within the workshop.

David Asabina Asabina GmbH

17:45 - 19:00

Sylt 2 - 4

Abend-Quiz aus Wissenschaft, Data Science und Daten Visualisierung

Raten in Teams mit kleinen Preisen.

Oliver Zeigermann embarc

09:00 - 09:45

Sylt 2 - 4

KI-Revolution in der öffentlichen Verwaltung

Die Bundesregierung hat beschlossen, 2019 eine halbe Milliarde Euro zusätzlich in Maßnahmen zur KI-Förderung zu investieren. Mit einer KI-Strategie, die Handlungsfelder, Ziele und Maßnahmen beschreibt, möchte die Bundesregierung den Anschluss halten und mit zur Weltspitze gehören. Das Onlinezugangsgesetz macht eindeutige Vorgaben welche 575 Verwaltungsprozesse bis 2022 online zur Verfügung stehen müssen. Die Anforderung der Bürger nach digitalen öffentlichen Dienstleistungen steigt. Gleichzeitig fehlen der ÖV durch den demografischen Wandel Fachkräfte.

KI besitzt das Potential die ÖV bei diesen Herausforderungen zu unterstützen und öffnet neue Möglichkeiten, Prozesse zu vereinfachen, effizienter zu gestalten und intelligent zu automatisieren.

Jedoch ist in der ÖV der Einsatz von KI differenziert zu betrachten. Während es bei Google, Amazon und Co lediglich zu einem weniger erfolgreichen Benutzer- oder Einkaufserlebnis führt, sind die Auswirkungen falscher Ergebnisse eines KI-Verfahrens in der ÖV unter Umständen deutlich weitreichender.

Können die Ergebnisse nicht nachvollziehbar erläutert werden, bleibt der KI der Einsatz an allen rechenschaftspflichtigen Stellen verwehrt. In diesen Szenarien könnte erklärbare KI weiterhelfen. Dieser Vortrag beinhaltet eine Beschreibung der aktuellen digitalen Transformation in der ÖV, sowie Erläuterungen und Beispielen für den Einsatz von KI-Technologien beider Ausprägungen (konventionell, erklärbar).

André Gode MACH AG

10:00 - 13:00

Sylt 1

Webbasierte interaktive Datenvisualisierung mit Bokeh

Python hat sich in den letzten Jahren zum De-facto-Standard entwickelt, um (wissenschaftliche) Daten zu verarbeiten. Industrie, Universitäten, Forschungseinrichtungen und Wetterdienste sind dabei, von proprietären Lösungen wie IDL, MATLAB oder SPSS auf Python umzusteigen. Neben der schnellen und komfortablen Verarbeitung der Daten durch pandas/Numerical Python/Cython spielt dabei immer stärker der Aspekt der interaktiven Nutzung der Daten in Webanwendungen eine Rolle. Dabei kann Python aber nicht direkt eingesetzt werden – hier wird maßgeschneidertes HTML/JavaScript benötigt. Mit JS-Programmierung wollen sich aber nur Wenige (und sicher kein Wissenschaftler/Ingenieur) gerne auseinandersetzen. Auf der anderen Seite sind klassische Webagenturen, die sich gut mit JS auskennen, mit dem wissenschaftlich/technischen Kontext der Daten heillos überfordert. Diese Lücke zwischen Python und HTML/JS überbrückt das Bokeh-Projekt. Bokeh ermöglicht es, interaktive Webanwendungen im Browser allein über Python-Code zu programmieren. Unser Workshop beginnt mit der Erstellung einer Python-Umgebung für Bokeh. Er zeigt, wie Daten in Python (z. B. mit pandas) vorbereitet werden, um problemlos mit Bokeh visualisiert zu werden. Das Erstellen einer kompletten Webvisualisierungsanwendung mit Interaktion mehrerer graphischer Elemente wird das Ziel des Workshops sein. Weiterhin wird es einen Ausblick auf die Verwendung des Bokeh-Servers geben, der in der Lage ist, mit beliebig großen Datenmengen umzugehen.

Dr. Volker Jaenisch Inqbus Scientific Computing

Sandra Rum Inqbus Scientific Computing

10:00 - 13:00

Sylt 5

Stepping through the world of machine learning with MXNet

MXNet is an Apache project for machine learning with specific emphasis on deep learning that has been backed by firms such as Amazon, Intel, Baidu, Microsoft, Wolfram Research, and research institutions such as Carnegie Mellon, MIT, the University of Washington. It supports both imperative and symbolic programming, which makes it easier for developers that are used to imperative programming to get started with deep learning. This hands on tutorial will introduce the audience to wield MXNet with grace and dexterity. The audience will work through a series of problems and learn to effectively use the power of this framework. In order to reinforce the ideas introduced during the workshop, the participants will then have the opportunity to solve a particular problem of their choice either in groups or individually. A basic working knowledge of Docker is appreciated and will be used during the workshop to help save time and focus on getting stuff done.

Sri Sridharan Greenlake

10:00 - 13:00

Sylt 2 - 4

Lösungsansätze mit KI (ML) finden – better done than perfect!

Die Digitalisierung schreitet durch den technologischen Wandel mit großen Schritten voran. Das bedeutet viele und schnellere Veränderungen – vor allem durch technologische Innovationen, die teilweise zu Beginn unausgereift sind und die hohen Erwartungen enttäuschen, dann jedoch Unternehmen nach vorne bringen und andere überwältigen. Um diesem Wandel zu begegnen, nutzen Unternehmen Methoden, die dabei unterstützen, für eine Problemstellung schnell viele Lösungsideen zum Beispiel mit Machine Learning oder KI zu entwickeln, um mit den Besten auf dem Markt zu bestehen. Dieser Workshop startet mit einem Impulsvortrag, der darüber berichtet, wie in einem etablierten mittelständigen IT-Unternehmen eine KI-Anwendung von der Idee bis hin zur Produktreife durch die Verwendung diverser Innovationsmethoden (u. a. Design Thinking) entstanden ist. Im Anschluss wird die Design-Thinking-Methode vorgestellt, die sich hervorragend eignet, um für eine Problemstellung Lösungsideen aus dem Bereich Machine Learning und KI zu generieren. Anhand einer konkreten Problemstellung aus der Wirtschaft, Gesellschaft und Umwelt durchlaufen die Teilnehmer
die verschiedenen Phasen des Design-Thinking-Prozesses und generieren spielerisch Lösungsideen und Prototypen, sodass auf diese Art ein umfassender Einblick in die Methode vermittelt wird.

Jan Hedtfeld MACH AG

Lena Müller-Ontjes MACH AG

14:00 - 17:30

Sylt 2 - 4

Einführung in Reinforcement Learning

In diesem Workshop lernen Sie, wie Maschinen komplexe Abläufe und vorausschauendes Handeln lernen können. Mit diesem Ansatz fliegen autonome Helikopter Akrobatikmnöver und der Weltmeister in Go wurde geschlagen. Ein Trainingsdatensatz mit den richtigen Antworten wird nicht benötigt, auch kein hartcodiertes Spezialwissen. Der Ansatz nennt sich Reinforcement Learning und ist fast schon magisch. Wir werden sehen, wie sich eine praktische Fragestellung aus der realen Welt als Reinforcement Learning-Problem formulieren lässt, welche Aufgaben für RL geeignet sind und für welche besser klassisches Machine Learning zum Zuge kommt. Mit einem begleitendem Python Notebook implementieren wir schrittweise alle Lösungselemente, sehen die Funktionsweise einer modernen RL-Library, beleuchten die Rolle von neuronalen Netzen und loten Optimierungsmöglichkeiten aus. Die Python Notebooks sind auf Colab gehostet. Sie benötigen also lediglich einen Laptop mit einem aktuellen Chrome-Browser.

Dr. Christian Hidber bSquare AG

Oliver Zeigermann embarc

14:00 - 17:30

Sylt 1

Advanced Flow Control

In this workshop, we take a look at Python‘s Iterables, Iterators and Generators. We discuss what happens behind the scenes when repeat a task in Python, and how we can suspend and resume work. Finally, we discuss how this is related to async programming and we take a dive into Coroutines, Futures and AsyncIO.

Oz Tiram noris network AG

14:00 - 17:30

Sylt 5

Alles selber lesen war gestern – wie man mit Machine Learning große Textmengen in Erkenntnisse verwandelt

Viele wichtige Informationen in Unternehmen liegen nur in Textform vor. Methoden der automatisierten Textanalyse helfen, diesen Wissensschatz zu heben. Ob nutzergenerierte Inhalte aus dem Netz, Kundenanfragen per Mail oder Verträge und Pflichtenhefte: Viele Informationen liegen in Form unstrukturierter Texte vor. Da diese Datenmenge immer schneller wächst, kann man nicht mehr einfach „mitlesen”. Die Lösung besteht in einer automatisierten Verarbeitung und Auswertung solcher Dokumente. NLP, Clustering, Topic Modeling, Klassifikation, Universal Embeddings – bei den KI-Technologien für die automatisierte Verarbeitung von Textmengen gibt es im Moment viele verschiedene Entwicklungsrichtungen, die teils ganz unterschiedliche Probleme lösen und sich besonders in Kombination zu ihrer größten Leistungsfähigkeit entfalten können. Die Referent/innen erläutern an einem konkreten Beispiel die Stufen eines Text-Analytics-Projekts und zeigen, welche Techniken auf welchen Einsatzbereich passen und welche neuen Use Cases damit möglich werden. Die Session richtet sich an Entwickler, Fachanwender, Führungskräfte und Data-Science-Einsteiger, die das Potenzial automatisierter Textanalyse für eigene Anwendungen besser einschätzen wollen.

Stephanie Fischer datanizing

Dr. Christian Winkler datanizing

FILTERN NACH

SESSION-TYP

THEMA

Bis zum 18. Feburar anmelden und bis zu 200 € pro Ticket sparen! Jetzt anmelden!

Bis zum 18. Februar Kolleg*innen anmelden und bis zu 200 € pro Ticket sparen! Jetzt anmelden

Mind. 3 Kolleg:innen
anmelden und
100 € pro Ticket sparen!
Jetzt anmelden!

Mind. zu dritt
anmelden und
bis zu 100 € pro Ticket sparen!
Jetzt anmelden!

LEGENDE

>
Keynote
>
Workshop
>
Nightsession

ML 2019 Archiv

*Achtung: Der Workshop findet auf Deutsch statt!