Zugang zum virtuellen Konferenzsystem

Programm

Donnerstag, 01.07.2021

08:00
Öffnung der virtuellen Konferenz & Networking
09:00
Grußworte des Präsidiums der TUHH

Prof. Andreas Timm-Giel

MLE@TUHH: Ein Paradigmen­wechsel in den Ingenieurs- und Wirschafts­wissenschaften

Profs. Christoph Ihl, Christian Schuster und Volker Turau

09:45
Teilnahme gebührenfrei
ohne vorherige Anmeldung via Zoom

Teilnahme gebührenfrei ohne Anmeldung via Zoom
10:15
Aufteilung in die Workshops
10:30
Session 1
Session 1

F1-T1-I

Fundamentale Algorithmen des Maschinellen Lernens

  • Prof. Mnich
mehr >

F2-T1-I

Datenbasierte Modellierung und Regelung nichtlinearer dynamischer Systeme - Theorie und praktische Umsetzung

  • Dr. Dostal
mehr >

F3-T1-I

Keine Angst vor der KI: Möglichkeiten und Grenzen des Maschinellen Lernens am Beispiel von medizinischen Anwendungen

  • Prof. Schlaefer
mehr >

F4-T1-I

Identifikation von Anwendungsfeldern für Maschinelles Lernen im Supply Chain Risiko Management

  • Prof. Kersten
mehr >
12:00
Mittagspause & Networking
12:45
Panel Diskussion (gebührenfrei)

Zusammenarbeit zwischen Industrie und Wissenschaft im Feld des Maschinellen Lernens

13:30
Session 2
Session 2

F1-T1-II

Einführung in Support Vector Machines

  • Prof. Schulte
mehr >

F2-T1-II

Maschinelles Lernen in der Mechanischen Dynamik

  • Prof. Hoffmann
mehr >

F3-T1-II

Maschinelles Lernen für die medizinische Bildverarbeitung

  • Prof. Schlaefer
mehr >

F4-T1-II

Teil I

Maschinelles Lernen mit Graphen

  • Prof. Ihl
mehr >
15:00
Kaffeepause & Networking
15:30
Session 3
Session 3

F1-T1-III

Ausgewählte Tools für Maschinelles Lernen

  • Dr. Dostal
mehr >

F2-T1-III

Quantitative Struktur-Eigenschafts-Beziehungen zur Auswahl effizienter Additive im Materialdesign

  • Dr. Vonbun-Feldbauer
mehr >

F3-T1-III

Einsatz von KI für die Betriebsführung elektrischer Netze

  • Prof. Becker
mehr >

F4-T1-II

Teil II

Maschinelles Lernen mit Graphen

  • Prof. Ihl
mehr >
17:00
Ende des 1. Tages

Freitag, 02.07.2021

08:00
Öffnung der virtuellen Konferenz & Networking
08:30
Session 4
Session 4

F1-T2-I

Teil I

Optimierungs­ver­fahren und Regularisierungs­techniken für Maschinelles Lernen

  • Dr. Götschel
mehr >

F2-T2-I

Maschinelles Lernen in der Dynamik Maritimer Systeme

  • Dr. Klein
mehr >

F2-T2-II

Datenbasierte Modellierung in der Strömungs­mechanik

  • Prof. Rung
mehr >

F3-T2-I

Teil I

Implementation von Neuronalen Netzen auf ressourcen­beschränkten Mikro­controllern für den Einsatz in der Sensorik

  • Dr. Venzke
mehr >

F4-T2-I

Teil I

Methoden des Maschinellen Lernens in der Maritimen Logistik

  • Prof. Jahn
mehr >
10:00
Kaffeepause & Networking
10:30
Session 5
Session 5

F1-T2-I

Teil II

Optimierungs­ver­fahren und Regularisierungs­techniken für Maschinelles Lernen

  • Dr. Götschel
mehr >

F2-T2-III

Detektion von "Weak Bonds" mit Hilfe eines neuronalen Netzes

  • Prof. Meißner
mehr >

F2-T2-IV

Effiziente Quanti­fizierung von Unsicher­heiten mittels Ersatz­modellen

  • Prof. Kriegesmann
mehr >

F3-T2-I

Teil II

Implementation von Neuronalen Netzen auf ressourcen­beschränkten Mikro­controllern für den Einsatz in der Sensorik

  • Prof. Turau
mehr >

F4-T2-I

Teil II

Methoden des Maschinellen Lernens in der Maritimen Logistik

  • Prof. Jahn
mehr >
12:00
Mittagspause & Networking
12:45
Panel Diskussion (gebührenfrei)

Maschinelle Lernverfahren: Regulatorische Aspekte und Zertifizierung

13:30
Session 6
Session 6

F1-T2-II

Teil I

Klassifikation hand­ge­schriebener Zahlen mit Hilfe eines mehr­schichtigen neuronalen Perceptron (MLP)-Netzes und Jupyter-Notebooks

  • Prof. Meißner
mehr >

F1-T2-III

Scientific Programming with Julia

  • Prof. Knopp
mehr >

F3-T2-II

Machine Learning for Communications Engineering

  • Prof. Bauch
mehr >

F4-T2-II

Sequenz­modellierung mit Deep Learning

  • Prof. Gollnick
mehr >
15:00
Kaffeepause & Networking
15:30
Session 7
Session 7

F1-T2-II

Teil II

Klassifikation hand­geschriebener Zahlen mit Hilfe eines mehr­schichtigen neuronalen Perceptron (MLP)-Netzes und Jupyter-Notebooks

  • Prof. Meißner
mehr >

F1-T2-IV

Detecting Faults, Failures, and Anomalies with Machine Learning

  • Prof. Fey
mehr >

F3-T2-III

Einsatz und Chancen von Methoden des Maschinellen Lernens in der Elektro­magnetischen Verträglichkeit

  • Prof. Schuster
mehr >

F4-T2-III

Business Analytics mit der PLS-Pfadanalyse­methode

  • Prof. Ringle
mehr >
17:00
Ende des 2. Tages