Konferenz für
Machine Learning und Künstliche Intelligenz
Köln, 24.-26. April 2018

// Programm

Die Workshops finden am 24. April statt, die Konferenz am 25. und 26. April.



Workshops

Dienstag, 24. April
11:00 - 18:00

Ramon Wartala

Tchibo

Praxiseinstieg Deep Learning TensorFlow

Ausverkauft - Vormerkung möglich

Fabian Witt
Steven Brandt

Redheads, Fraunhofer IIS/EAS

Dark Science with Deep Learning: Einführung in modernes Maschinelles Lernen mit Python

Ausverkauft - Vormerkung möglich

Daniel Lütticke
Hasan Tercan

RWTH Aachen

Machine Learning im Kontext der Industrie 4.0 – Von der Datenaufnahme zur Datenanalyse

Konferenz

Mittwoch, 25. April
09:15 - 09:30 Eröffnung
09:30 - 10:30

Oliver Bendel

Keynote: Das Moralisieren von Maschinen

10:30 Kaffeepause
11:00 - 11:40

Kerstin Fuchs
Maren Übelhör

Zoi

Unsupervised Anomalieerkennung und Prediction von Zeitreihen im Unternehmenskontext

Oliver Zeigermann

embarc/Freelancer

Machine Learning auch für dein Projekt

Shirin Glander

codecentric

Erklärbarkeit von Machine Learning: Wie können wir Vertrauen in komplexe Modelle schaffen?

11:50 - 12:30

Thomas Thiele

RWTH Aachen

Künstliche Intelligenz in Produktionssystemen

Boris Adryan

Merck

Machine Learning – ein Überblick

Tim Bunkus

adesso

Cognitive Business – Cognitve Services trainieren und in Business-Lösungen integrieren [Sponsored Talk]

12:30 Mittagspause
13:30 - 14:10

Sara Bertram

IAV

It’s all about the framework – Ein Vergleich der bekanntesten Open-Source-ML-Frameworks

Daniel Trauth

RWTH Aachen

Praxisbericht: Machine Learning in der Fertigungstechnik

Stephanie Fischer
Christian Winkler

datanizing

Influencer und Trends – eine Netzwerk-Analyse von nutzergeneriertem Content

14:20 - 15:00

Imdat Solak
Nükhet Solak

Munich AI-LABS

ML und KI: Vom Algorithmus zur praktischen Umsetzung

Fabian Bormann

IAV

Einführung in TensorFlow

Lars Gregori

SAP Hybris

CoreML – Machine Learning auf dem iPhone

15:00 Kaffeepause
15:30 - 16:10

Christoph Reinders

Universität Hannover

Einführung in Deep Learning

Nico Kreiling

inovex

Maschinelles Lernen auf unbekanntem Terrain – am Beispiel von Spotifys “Discover Weekly”

Fritz-Ulli Pieper

Taylor Wessing

Vertrags- und Haftungsfragen der Vernetzung autonomer Systeme

16:20 - 17:00

Barbara Krumay

Johannes Kepler Universität Linz

Artificial Ethics? Moralische Entscheidungen durch KI und Machine Learning.

Klaas Bollhöfer

Birds on Mars

KI trifft Kreativität – warum jedes Unternehmen eine artifizielle Muse braucht!

Andreas Witte

ControlExpert

Praxisbericht: Bilderkennung in Versicherungsfällen

17:10 - 17:40

Thementische

17:40 - 21:30

Abendprogramm

Donnerstag, 26. April
09:00 - 10:15

Sebastian Jäger
Hans-Peter Zorn

inovex

Skalieren von Deep Learning Frameworks mithilfe von Cloud-Infrastrukturen und Kubernetes

Gerhard Hausmann

Barmenia

Rechnungsprüfung mit Natural Language Processing und Prädikatenlogik

Stefan Kühn

XING

The Machinery behind Deep Learning

10:15 Kaffeepause
10:45 - 11:25

Chi Nhan Nguyen

SMACC

Bidirectional RNN zur Extraktion relevanter Felder in Rechnungen

Peter Steinbach
Kashif Rasul

Scionics, Zalando

GPUs in the cloud – is it worth it?

Heiko Spindler

Algorithmen züchten mit simulierter Evolution – Let's talk about sex

11:35 - 12:15

Oliver Zeigermann

embarc/Freelancer

Wie gut ist ein Machine-Learning-Modell?

Marc Pickardt

Cybersicherheitsrat Deutschland

Grundlagen medizinischer Standards und deren Nutzen für Deep Learning

Björn Scheuermann

Bosch

Machine Learning für Fahrerassistenzsysteme

12:15 Mittagspause
13:15 - 14:15

Marcel Tilly

Microsoft

Zwischen Hype und Realität – Deep Learning und AI demystified!

14:25 - 15:05

Hans-Peter Zorn

inovex

Einführung in Natural Language Processing mit Deep Learning

Stanimir Dragiev
Sascha Effenberger

Zalando

Datenepochen mit fehlenden Features

Marcel Kurovski

inovex

Deep Learning für Recommender-Systeme

15:05 Kaffeepause
15:35 - 16:15

Marcel Spitzer

inovex

ML-Deployment – Vom Prototyp zur Produktion

Calvin Seward
Christian Bracher

Zalando

KI, erfolgreich angewendet, am Beispiel Lagerlogistik bei Zalando

Jeffrey Kelling

Helmholtz-Zentrum Dresden-Rossendorf

Schutz von Hochleistungslasern durch Bildklassifizierung mit Deep Learning

16:25 - 17:05

Stephan Reimann

IBM

Data Science Lifecycle – kontinuierliches Lernen

Daniel Wrigley

SHI

Relevanztuning ist keine Magie – Es ist Machine Learning!

Lars Gregori

SAP Hybris

AI und Minecraft