Lernen ohne Lehrer: Wie Maschinen ganz alleine aus Daten lernen 26. November 2019
Ort:
GFU Cyrus AG, Am Grauen Stein 27, 51105 Köln
Dozent:
Dr. Thomas Frontzek ist geschäftsführender Gesellschafter der TEDSoft GmbH (Hauptgeschäftsfelder: Entwicklung anspruchsvoller Individualsoftware, Beratung u.a. zu Anwendungen des Maschinellen Lernens), mehrfacher Unternehmensgründer, GFU-Dozent (u.a. der Data Science Business Academy) und Lehrbeauftragter der Hochschule Fresenius (Statistik, Mathematik). Herr Dr. Frontzek promovierte auf dem Gebiet der Neuroinformatik und beschäftigt sich im Rahmen seiner Tätigkeit für die TEDSoft GmbH u.a. mit Beratungs- und Software-Projekten, bei denen auch Machine-Learning-Algorithmen zum Einsatz kommen.
Beschreibung:
Die meisten Machine-Learning-Anwendungen benötigen heutzutage noch einen Lehrer in Form einer speziellen Trainingsmenge ("supervised learning"). Solch eine Trainingsmenge besteht beispielsweise aus einem Stapel Tierfotos zusammen mit der (oft manuell von einem Menschen) hinzugefügten Information, welches Tier auf dem jeweiligen Foto abgebildet ist. Das Generieren einer adäquaten Trainingsmenge ist in echten Anwendungen oftmals zu aufwendig und manchmal auch gar nicht möglich.
Deshalb gewinnt das Lernen ohne Lehrer immer mehr an Bedeutung. Im Rahmen des unüberwachten Lernens ("unsupervised learning") lernt die Maschine rein aus den vorhandenen Daten, ohne dass ein Mensch weitere Informationen hinzugegeben hätte. Wie das funktioniert, wird im Vortrag erklärt - inklusive Anwendungsbeispielen wie die Entdeckung von Kreditkartenbetrug oder dem selbständigen Erlernen von Computerspielen. Zusätzlich werden Hinweise gegeben, wie man selbst Lernen ohne Lehrer mit Hilfe der frei verfügbaren Machine-Learning-Bibliothek TensorFlow implementieren kann.
Mob Programming: Zusammen lernen! Zusammen liefern! 03. Dezember 2019
Ort:
GFU Cyrus AG, Am Grauen Stein 27, 51105 Köln
Beschreibung:
Damit Teams funktionierende Software regelmäßig zum Kunden ausliefern können, setzen wir häufig auf Team-Building, bessere Kommunikation, Code-Reviews oder Pair Programming. In Zeiten von zunehmend komplexen Problemen ist das vielleicht nicht mehr genug. Besonders wenn die Teams nicht nur das Ergebnis verstehen müssen, sondern auch den Weg der Problemlösung. Beim Mob Programming wird die Softwareentwicklung durch das gesamte Team durchgeführt - zusammen, Aufgabe für Aufgabe. Klingt verrückt? Funktioniert aber! In diesem Vortrag wird Thomas Much die Grundlagen von Mob Programming vorstellen, Unterschiede zu anderen Arbeitsweisen erklären und wann sich das Arbeiten als "Mob" lohnt inklusive Tipps aus der Praxis.
Machine Learning für .NET Entwickler 28. Januar 2020
Ort:
Microsoft Deutschland GmbH, Niederlassung Köln, Holzmarkt 2a, 50676 Köln
Dozent:
Damir Dobric ist Microsoft Regional Director sowie Microsoft Azure MVP und bringt jahrelange Erfahrung als Entwickler, Architekt, Trainer und Autor mit. Als CEO und Lead Architect vom Microsoft Gold Certified Partner DAENET Corporation unterstützt er Unternehmen bei der Implementierung neuer Technologien. Dabei liegt sein Fokus auf Cloud Computing, IoT und Machine Learning. Außerdem ist er Dozent für Software Engineering und Distributed Systems an der University of Applied Sciences Frankfurt und als Speaker auf Konferenzen weltweit unterwegs.
Beschreibung:
Machine Learning und Artificial Intelligence gewinnen immer größeren Einfluss auf den Alltag eines Software Entwicklers. Diese Technologie war lange Zeit nur den Mathematikern zugänglich und fand Anwendung überwiegend in Python, R und Mahtab Community. ML.NET, das neue .NET Core, Open Source, Cross-Platform Framework von Microsoft soll den .NET Entwicklern einfachen Zugang zu ML und AI ermöglichen. Wir befassen uns zuerst mit den theoretischen Grundlagen von Machine Learning und Artificial Intelligence und zeigen wie und mit welchen Skills solche Projekte angegangen werden. Anschließend zeigen wir auf Basis von verschiedenen Demos wie ML und AI in die .NET Anwendungen integriert werden können.
