MLE-Days am 15. & 16. September 2022: Registrierung ist nun offen

Am 15. & 16. September 2022 richten wir die zweitägige Konferenz “MLE-Days 2022” aus. Sie gibt Teilnehmerinnen und Teilnehmern einen breiten und fundierten Einblick in ingenieurswissenschaftliche und betriebliche Anwendungsfelder des Maschinellen Lernens.

Das Themenspektrum deckt dieses Jahr viele Bereiche der Ingenieur­wissenschaften ab: Luft­fahrt­technik, Bau­ingenieurwesen, Maritime Logistik, Verfahrens­technik, Material­wissenschaften, Energie­technik, etc. Darüber hinaus werden Maschinelles Lern­verfahren für spezielle Themen wie Sprach­verarbeitung, Cyber-Physische Systeme und Teilchen­beschleuniger vertieft behandelt. Die Vortragenden kommen sowohl aus dem akademischen als auch aus dem industriellen Umfeld. In drei Keynotes blicken wir über den Tellerrand hinaus und diskutieren beispielsweise ethische Aspekte von Maschinellen Lern­verfahren oder die Grenzen von solchen Verfahren.

Neu in diesem Jahr ist eine Session in der sich Start-Up Unternehmen mit ML-Anwendungen präsentieren können. Ferner gibt es auch Sessions in denen Unternehmen ihre MLE Use-Cases aus der Praxis aufzeigen können. Hierzu rufen wir Unternehmen auf, sich mit Beiträgen an diesen Sessions zu beteiligen, ein entsprechender Call wurde bereits veröffentlicht.

Die MLE-Days 2022 werden durch die MLE-Summerschool 2022 komplettiert. Diese Veranstaltung findet an den beiden Tagen vor den MLE-Days statt und richtet sich an Doktoranden und Masterstudenten. Teilnehmer der MLE-Days 2022 haben automatisch Zugang zu dem Career-Event, welches den zweiten Tag der MLE-Summerschool 2022 abschließt.

Die “MLE-Days 2022” werden organisiert von der Forschungsinitiative “Machine Learning in Engineering (MLE@TUHH)", welche die Kompetenzen unserer Universität im Feld des Maschinellen Lernens bündelt und als Plattform für den Austausch mit der Praxis fungiert.

Die Registrierung finden Sie hier: https://mle-days.hamburg/registration.html

Avatar
Volker Turau
Professor, MLE-Gründer & -Advisor

Verteilte Algorithmen, Fehlertolerante Systeme, Maschinelles Lernen für Kommunikationsnetze