Alles auf einen Blick · Alle Fort- und Weiterbildungsangebote der DGM Akademie 2025 und 2026 in einem Flyer

Zum Flyer
Bleiben Sie informiert:
Melden Sie sich an, um Neuigkeiten und Updates zur Veranstaltung Deep Learning zu erhalten.
Ungültige E-Mail

Die objektive und automatisierte Auswertung von materialwissenschaftlichen und werkstoffkundlichen Daten revolutioniert die Art und Weise wie wir Materialien zur Werkstoffentwicklung und Qualitätssicherung charakterisieren. Durch den Einsatz von Künstlicher Intelligenz und Deep Learning können große Mengen an Bild- und Tabellendaten effizient analysiert werden. In dieser praxisorientierten Fortbildung erhalten Sie einen fundierten Einstieg in Convolutional Neural Networks zur automatischen Datenanalyse. Sie lernen, Deep Learning für die Klassifizierung und Segmentierung von Bild- und Tabellendaten einzusetzen. Unser Ziel ist es, Ihnen das Wissen und die Fähigkeiten zu vermitteln, die erlernten Methoden effektiv auf Ihre eigenen Projekte zu übertragen und anzupassen.

Fortbildungsleitung

  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
    CV
  • Dr.-Ing. Martin Müller
    Material Engineering Center Saarland (MECS)
    CV
Programm

23.02.2026 (Montag)

09:00
Vortrag
VORKURS: Grundlagen der verwendeten Software Tools: PyTorch, FastAi und Jupyter Notebook
Erlernen Sie die grundlegende Bedienung von PyTorch, FastAi und Jupyter Notebook, die in der Fortbildung verwendet werden.
  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH

24.02.2026 (Dienstag)

09:00
Vortrag
EINFÜHRUNG: Deep Learning als Methode des Maschinellen Lernens
Verstehen Sie die Grundlagen des Deep Learning und dessen Bedeutung im maschinellen Lernen.
  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
10:00
Vortrag
EINFÜHRUNG: Deep Learning Anwendungen in MatWerk
Entdecken Sie spezifische Anwendungsfälle von Deep Learning in der Materialwissenschaft.
  • Martin Müller
    Universität des Saarlandes
11:00
Vortrag
THEORIE: Deep Learning mit Neuronalen Netzen
Vertiefen Sie Ihr Wissen über die theoretischen Grundlagen neuronaler Netze.
  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH

25.02.2026 (Mittwoch)

09:00
Vortrag
ANWENDUNGSBEISPIEL: Vorhersage von Materialeigenschaften

Praktisches Beispiel zur Klassifizierung tabellarischer Daten zur Vorhersage von Materialeigenschaften.

  • Martin Müller
    Universität des Saarlandes
11:00
Übung
ÜBUNG I: Klassifikation tabellarischer Daten
Anwendung von Deep Learning Techniken auf tabellarische Datensätze in einer praktischen Übung.
  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH

26.02.2026 (Donnerstag)

09:00
Vortrag
THEORIE: Deep Learning auf Bilddaten mit Convolutional Neural Networks
Lernen Sie die Funktionsweise von CNNs und deren Einsatz bei Bilddaten kennen.
  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
10:00
Vortrag
ANWENDUNGSBEISPIEL: Klassifizierung von Gefügeaufnahmen

Erfahren Sie, wie Sie mittels Deep Learning mikroskopische Gefügeaufnahmen klassifizieren können.

  • Dr.-Ing. Martin Müller
    Material Engineering Center Saarland (MECS)
11:00
Übung
ÜBUNG II: Klassifikation von Bilddaten
Praktische Übung zur Anwendung von CNNs auf Bilddatensätze.
  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH

27.02.2026 (Freitag)

09:00
Vortrag
THEORIE: Deep Learning zur Segmentierung von Bilddaten
Erfahren Sie, wie Deep Learning für die Segmentierung von Bildern eingesetzt wird.
  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
10:00
Vortrag
ANWENDUNGSBEISPIEL: Segmentierung von Gefügeaufnahmen

Praktisches Beispiel zur Mehrklassen-Segmentierung von Bilddaten im Kontext komplexer Schichtsysteme.

  • Dr.-Ing. Martin Müller
    Material Engineering Center Saarland (MECS)
11:00
Übung
ÜBUNG III: Segmentierung von Bilddaten
Festigen Sie Ihre Kenntnisse in der Bildsegmentierung durch praktische Anwendung.
  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
12:00
Vortrag
THEORIE: Synthetische Erzeugung von Trainingsdaten
Lernen Sie Methoden zur Generierung synthetischer Trainingsdaten kennen.
  • Prof. Dr.-Ing. Tim Dahmen
    Deutsches Forschungszentrum für Künstliche Intelligenz GmbH
12:30
Vortrag
THEORIE: Festlegung Ground Truth
Verstehen Sie die Bedeutung von Ground Truth für das Training von Modellen.
  • Martin Müller
    Universität des Saarlandes

Deep Learning ist ein entscheidender Baustein, um die Fähigkeiten Ihres Unternehmens im Bereich Künstliche Intelligenz auszubauen und Kompetenzen in der praktischen Umsetzung materialwissenschaftlicher Probleme zu erwerben.
Hier sind einige Gründe, warum Ihr Unternehmen von einer tieferen Kenntnis in diesem Bereich profitieren wird:

  • Grundlagen der verwendeten Software Tools: Verstehen Sie PyTorch, FastAi und Jupyter Notebook und nutzen Sie diese effektiv für Ihre Projekte.
  • Prinzipien des Deep Learning: Erfahren Sie, wie Deep Learning als Methode des Maschinellen Lernens eingesetzt wird und welche Vorteile es bietet.
  • Anwendung von Deep Learning in der Materialwissenschaft: Erhalten Sie Einblicke in spezifische Anwendungen und lernen Sie, wie Sie diese in Ihrem Unternehmen umsetzen können.
  • Theorie von Neuronalen Netzen: Verstehen Sie Neuronale Neutze und vertiefen Sie Ihr Wissen über deren Struktur.
  • Klassifizierungsmodelle: Lernen Sie, wie Sie entsprechende Modelle implementieren und damit 2-Phasen-Stähle klassifizieren sowie tabellarische Daten analysieren können.
  • Convolutional Neural Networks für Bilddaten: Erfahren Sie, wie Sie Bilddaten effizient klassifizieren und konkrete Anwendungsfälle meistern.
  • Diskutieren Sie Ihre konkrete praktische Anwendung/Problemstellung mit Expert*innen.

Nutzen Sie diese Chance, um Ihr Unternehmen technologisch weiterzuentwickeln und einen Wettbewerbsvorteil zu erlangen!

Die Fortbildung eignet sich für:

  • Wissenschaftler*innen sowie Ingenieur*innen, die in der Forschung und Entwicklung sowie der industriellen Fertigung tätig sind. 
  • Empfohlene Vorkenntnisse: Grundlegende Programmierkenntnisse in Python, Matlab oder anderen Programmiersprachen. Dazu gehören: Variablen und zugehörge arithmetische Operationen, Funktionen, Fallunterscheidungen, Kontrollstrukturen. Weiterhin sind Mathematik Grundkenntnisse hilfreich. Beispielsweise sollten Sie eine Vorstellung zu den Stichworten Vektor, lineare Abhängigkeit, Gradient und Nichtlinearität haben.

Diese Fortbildung wird online abgehalten. Die Zugangsdaten sowie die Seminarunterlagen erhalten Sie vorab per Post. 

Benötigte Softwaretools für die Teilnahme: PUTTY (Installationsanleitung erhalten die Teilnehmenden kurz vor der Fortbildung)

Newsletter abonnieren

Abonnieren Sie unseren Newsletter und erhalten Sie regelmäßig Informationen zum Thema Materialwissenschaft und Werkstofftechnik!

Nach der Anmeldung erhalten Sie von uns eine E-Mail mit einem Bestätigungslink.
Erst mit Anklicken dieses Links ist Ihre Anmeldung abgeschlossen.

Vernetzen Sie sich mit uns