An Anwendungen von Deep Learning Architekturen auf Sprachdaten interessiert und zwischen dem 9. und dem 13. September noch nichts vor? Dann lohnt es sich vielleicht darüber nachzudenken, sich bei der Summer School anzumelden, die wir vom Institut für Digital Humanities zusammen mit Felix Rau vom Institut für Linguistik und der Comptence Area III (Quantitative Modelling of Complex Systems) an der Universität zu Köln ausrichten. Programm und Teilnahmebedingungen finden sich auf der brandneuen, schicken Webseite, Bewerbungsschluss ist der 3. Juli 2019. Es ist also ratsam, nicht zu lange zu fackeln.
Rückblick
Die Summer School ist die logische Fortsetzung unserer (Late) Summer School “Machine Learning for Language Analysis”, die wir im letzten Jahr in gleicher Konstellation angeboten haben. Damals hatte ich auch schon ausführlicher zur Idee der Competence Areas im Allgemeinen und zum Programm der Summer School im Besonderen gebloggt. Trotzdem wir ein sehr heterogenes Publikum hatten – diverse Länder von gleich fünf Kontinenten waren vertreten, dazu eigentlich alle Fachrichtungen, die man sich vorstellen kann – haben wir und alle Teilnehmer|innen, die sich geäußert haben, die Schule als großen Erfolg wahrgenommen.
Session 2b: Using neural networks to classify texts. With teaching competence from the Institute of Digital Humanities (Julia, Valmir and @artischocke1991) #lssml4la pic.twitter.com/17K7ayiU2S
— jhermes (@spinfocl) September 28, 2018
Die Veranstaltung war perfekt organisiert (was vor allem Philipp Wilking / CA III zu verdanken war) und fachlich gut abgestimmt (womit ich uns inhaltlich Verantwortliche lobe). Darüber hinaus gab es einen gelungenen Brauhausabend, den wir dieses Mal auch unbedingt wieder ausrichten wollen. Und vielleicht auch noch einen weiteren Social Event.
Lunch break, day 3. #myam #lssml4la pic.twitter.com/UjBGne7fcq
— jhermes (@spinfocl) September 28, 2018
Programm
Von der erfolgreichen letztjährigen Ausgabe können wir auch programmmäßig einiges übernehmen. Dass sich im Titel dieses Jahr “Deep Learning” statt wie im letzten Jahr “Machine Learning” findet, deutet schon an, dass wir uns dieses Jahr spezialisieren. In den beiden Anfangstagen wird es so keine allgemeine Einführung in Machine Learning geben, sondern eine speziellere in Deep Learning Architekturen. Diese Einführung wird das IDH übernehmen, wofür wir auf Johanna Binnewitt und Valmir Etemi zurückgreifen können, die auch im letzten Jahr schon dabei waren. Ab dem dritten Tag müssen sich die Teilnehmenden dann zwischen drei parallelen Sessions entscheiden:
- Johannes Daxenberger, der bei uns ausgebildet wurde, aber schon lange Zeit in Darmstadt am UKP arbeitet, aktuell noch bei ArgumenText, wird Deep Learning zum Text- und Argument-Mining einsetzen.
- Tobias Hodel (Uni Zürich) wird zusammen mit Alejandro Toselli (PRHLT Valecia) den Einsatzbereich von Deep Learning Technologien im Bereich der Text Recognition thematisieren, was vor allem in jüngster Zeit zum game changer auf dem Feld der Optical Character Recognition wurde.
- Abdullah vom Fraunhofer IAIS, hat seinen tollen Workshop aus dem letzten Jahr zum Einsatz von Deep Learning im Bereich Audio-Daten weiter ausgebaut und wird diesen nun an zwei Tagen (statt nur einem) anbieten.
Weiterhin versuchen wir in diesem Jahr – in Zusammenarbeit mit unserem lokalen Rechenzentrum (RRzK) – auf deren Servern eine virtuelle Umgebung zum Trainieren von Deep Learning Modellen für unsere Teilnehmenden einzurichten. So schön nämlich die Arbeit am eigenen Laptop ist – man kann die Ergebnisse direkt mit nach Hause nehmen – so sehr halten ressourcenarme Maschinen einen auf, wenn sie etwas umfangreichere Trainingsdaten in mehreren Epochen durch künstliche Neurone Netzwerke schicken. Die Idee ist, die Rechenpower der Server im RRzK zu nutzen und über eine Schnittstelle von den Laptops der Teilnehmer|innen ansteuern zu können. Diese Architektur wird gerade noch zusammengebastelt, wir hoffen, dass sie uns dann im September zur Verfügung steht. Alle Dozent|innen nutzen übrigens von sich aus in für die School Open Source Werkzeuge und Modelle, auch wenn sie in der täglichen Arbeit auf andere zurückgreifen. Die Kursmaterialen werden wir in Anschluss selbstverständlich öffentlich zur Verfügung stellen.
Für den Abschluss der School am Freitag ist ein Transfer-Tag vorgesehen. An diesem sollen die Teilnehmenden (und andere interessierte) mit Firmen aus dem Deep Learning / Maschine Learning Bereich ins Gespräch kommen können. Die Planungen für diesem Tag stehen allerdings noch am Anfang.
Ausblick
Dass die Uni Köln in der letzten Exzellenzrunde mit zwei neuen Clustern bedacht wurde, ist natürlich phantastisch, hat aber tatsächlich auch Konsequenzen für die Organisation unserer Summer School – Philipp ist nämlich inzwischen der Koodinator des Clusters ML4Q (Matter and Light for Quantum Computing). Dafür ist für CA III jetzt Frederick von Heymann leistete bisher schon sehr gute Arbeit. Ich bin nun erst einmal gespannt, wie viele Bewerbungen wir bekommen werden (beim letzten Mal waren es knapp 50, so dass wir alle aufnehmen konnten). Den Auswahlprozess wollen wir noch vor den Semesterferien abschließen, die konkreten Planungen starten dann im August. Also, habt ihr Lust bekommen? Dann meldet euch an. 😉
OpenEdition schlägt Ihnen vor, diesen Beitrag wie folgt zu zitieren:
Jürgen Hermes (21. Juni 2019). Summer School: Deep Learning for Language Analysis #DL4LA. TEXperimenTales. Abgerufen am 8. September 2024 von https://doi.org/10.58079/uq66
