1. virtuelles MLUGS Treffen im März 2021

    Auch im März findet ein virtuelles MLUGS-Treffen statt.

    Vorträge (10-15 Minuten/Vortrag):

    • Jürgen - Find 'em all - Deep Learning für die Suche nach archäologische Stätten
    • Tin: A Regression Approach to Speech Enhancement Based on Deep Neural Networks
    • [open slot]

    • Ihr könnt noch Vorträge vorschlagen

    Meldet euch, wenn ihr etwas vorstellen wollt. Das kann etwas sein mit dem ihr euch aktuell beschäftigt, ein Problem das ihr lösen möchtet oder auch ein Plug für etwas. Es sollte etwas mit machine-learning zu tun haben.

    Wir werden Zoom verwenden.

    Wann:

    16. März 2021 um 18:30

    Wo:

    virtuell. Zoom.

    Bitte meldet euch an unter:

    https://www.meetup.com/Machine-Learning-UserGroup-Stuttgart

  2. Bericht (virtuelles) MLUGS Treffen im Februar 2021

    Protokoll

    Intro

    Das Ziel der MLUGS ist der Austausch über Machine-Learning-Themen. Keine Vorträge, die besser bei Youtube aufgehoben wären, sondern Diskussion zum jeweiligen Thema.

    Teilnehmer

    • Andreas, Software-Entwickler, AX-Semantics
    • Uwe, ST2C, laser comm in space
    • Gerardo, Datenanalyst und Cybersec
    • Frank Stöckel, Coach/Berater/Trainer bei HOOD GmbH Oberhaching
    • Tin, Unternehmer und Dozent
    • Deniz, Student
    • Paul, Student

    +5

    Andreas: Erfahrungen mit Google AutoML

    slides: https://github.com/mfa/talks/blob/master/20210216--google-automl/slides.md

    Tin: A Regression Approach to Speech Enhancement Based on Deep Neural Networks

    next

  3. virtuelles MLUGS Treffen im Februar 2021

    Auch im Februar findet ein virtuelles MLUGS-Treffen statt.

    Vorträge (10-15 Minuten/Vortrag):

    • Andreas: Erfahrungen mit Google AutoML
    • Tin: A Regression Approach to Speech Enhancement Based on Deep Neural Networks
    • [open slot]

    • Ihr könnt noch Vorträge vorschlagen

    Meldet euch, wenn ihr etwas vorstellen wollt. Das kann etwas sein mit dem ihr euch aktuell beschäftigt, ein Problem das ihr lösen möchtet oder auch ein Plug für etwas. Es sollte etwas mit machine-learning zu tun haben.

    Wir werden Zoom verwenden.

    Wann:

    16. Februar 2021 um 18:30

    Wo:

    virtuell. Zoom.

    Bitte meldet euch an unter:

    https://www.meetup.com/Machine-Learning-UserGroup-Stuttgart

  4. Bericht (virtuelles) MLUGS Treffen im Januar 2021

    Protokoll

    Intro

    Das Ziel der MLUGS ist der Austausch über Machine-Learning-Themen. Keine Vorträge, die besser bei Youtube aufgehoben wären, sondern Diskussion zum jeweiligen Thema.

    Teilnehmer

    • Andreas, Software-Entwickler, AX-Semantics
    • Uwe Sterr, ST2C, laser comm in space
    • Lukas Mocek, Mechatroniker, Wirtschaftsingenieur, Sensor.Community
    • Tin Votan, Software-Entwickler, The Black Swan AI
    • Jens, Data-Scientist, AKKA, Stuttgart
    • Dag Tanneberg, Projektmanager & Quantitative Social Scientist, Ebner Stolz Stuttgart
    • Frank Stöckel, Coach/Consultant, HOOD GmbH Oberhaching / bei München

    +2

    Tin: AlphaFold 2

    Uwe: Künstliche Intelligenz löst Schrödingers Gleichung, Ideen für eigene KI-Anwendungen aus dem Vergleich der Ansätze von DeepMind und FU Berlin

    Andreas: BLEURT - Bilingual Evaluation Understudy with Representations from Transformers

    Lukas: deterministisches machine learning mit mlf-core und mlflow

    next

    • date: 2021-02-16
    • talks:
    • (meldet euch wenn ihr Vorträge habt!)
  5. virtuelles MLUGS Treffen im Januar 2021

    Auch im Januar findet ein virtuelles MLUGS-Treffen statt.

    Vorträge (10-15 Minuten/Vortrag):

    • Tin: AlphaFold
    • Uwe: Künstliche Intelligenz löst Schrödingers Gleichung, Ideen für eigene KI-Anwendungen aus dem Vergleich der Ansätze von DeepMind und FU Berlin
    • Lukas: deterministisches machine learning mit mlf-core und mlflow

    • Ihr könnt noch Vorträge vorschlagen

    Meldet euch, wenn ihr etwas vorstellen wollt. Das kann etwas sein mit dem ihr euch aktuell beschäftigt, ein Problem das ihr lösen möchtet oder auch ein Plug für etwas. Es sollte etwas mit machine-learning zu tun haben.

    Wir werden Zoom verwenden.

    Wann:

    19. Januar 2021 um 18:30

    Wo:

    virtuell. Zoom.

    Bitte meldet euch an unter:

    https://www.meetup.com/Machine-Learning-UserGroup-Stuttgart

  6. Bericht (virtuelles) MLUGS Treffen im November 2020

    Protokoll

    Intro

    Das Ziel der MLUGS ist der Austausch über Machine-Learning-Themen. Keine Vorträge, die besser bei Youtube aufgehoben wären, sondern Diskussion zum jeweiligen Thema.

    Teilnehmer

    • Andreas, Software-Entwickler, AX-Semantics
    • Uwe, laser com in space, ST2C
    • Tin, Software-Entwickler, TBS AI
    • Thomas, Data Scientist, Schwarz Dienstleistungen
    • Thomas, Algorithmen-Entwickler, AP Sensing

    • + 5 weitere

    Andreas Graf: Requirements Traceability and Open Source Natural Language Processing

    Abgesagt, wird nachgeholt

    Tin: Detectron2

    Uwe: Adaptive Optik mit Machine Learning, Problemvorstellung

    • seit eingen Jahren wird satellitenkommunikation produktiv genutzt
    • problem: atmospherische störungen entfernen
    • approaches: resnet/inception v3 ODER unet/unet++

    Andreas: Hyperparameter optimization using Weights & Biases

    {
      "trainer": {
        "epoch_callbacks": [
          {
            "type": "log_metrics_to_wandb"
          }
        ],
       }
    }
    
    • popular alternative https://optuna.org/
    • good talk about Optuna last week on PyTorch Developer Day: "Hyperparameter Importance"

    misc

    next

    • date: 2021-01-19
    • talks:
    • (meldet euch wenn ihr Vorträge habt!)
  7. virtuelles MLUGS Treffen im November 2020

    Auch im November findet ein virtuelles MLUGS-Treffen statt.

    Vorträge (10-15 Minuten/Vortrag):

    • Andreas Graf: Requirements Traceability and Open Source Natural Language Processing
    • Tin: Detectron2
    • Uwe: Adaptive Optik mit Machine Learning, Problemvorstellung
    • Andreas: Hyperparameter optimization using Weights & Biases

    Meldet euch, wenn ihr etwas vorstellen wollt. Das kann etwas sein mit dem ihr euch aktuell beschäftigt, ein Problem das ihr lösen möchtet oder auch ein Plug für etwas. Es sollte etwas mit machine-learning zu tun haben.

    Wir werden Zoom verwenden.

    Wann:

    17. November 2020 um 18:30

    Wo:

    virtuell. Zoom.

    Bitte meldet euch an unter:

    https://www.meetup.com/Machine-Learning-UserGroup-Stuttgart

  8. Bericht (virtuelles) MLUGS Treffen im Oktober 2020

    Protokoll

    Intro

    Das Ziel der MLUGS ist der Austausch über Machine-Learning-Themen. Keine Vorträge, die besser bei Youtube aufgehoben wären, sondern Diskussion zum jeweiligen Thema.

    Teilnehmer

    • Andreas, Software-Entwickler, AX-Semantics
    • Uwe, ST2C, Laser comm in space
    • Philipp, ML-Engineer & start-up co-founder
    • Jens, Data Scientist, AKKA

    • + 5 weitere

    Andreas: Hosting of ML models

    AWS ECS (Fargate)

    • expensive: 10+$/month (0.25cpu / 1GB ram) | 27$/month (0.5cpu / 4GB ram)
    • min 0.25cpu possible
    • max 30GB possible
    • deployment can be tricky when reproducable (cloudformation)
    • when running - low maintenance
    • examples:

    Google Cloud Run (GCR)

    • zero downscaling option -> "cheap"
    • needs to boot every time -> startup time can be a few seconds when cold
    • 2GB limit for managed option
    • for more memory: GKE - complicated to setup - expensive to run
    • really easy to deploy
    gcloud builds submit --tag eu.gcr.io/<PROJECT_ID>/compound-split
    gcloud run deploy compound-split --image eu.gcr.io/<PROJECT_ID>/compound-split --allow-unauthenticated --memory=1G
    

    Hetzner VPS

    • the cheapest option: 3€+/month (2GB ram) | 60€/month (30GB ram)
    • you have to maintain everything. including linux
    • you have to add SSL
    • automated deployments can be hard

    Paperspace gradient deployments

    Floydhub model serving

    Uwe: Buchbesprechung "Deep learning for Coder with fastai & PyTorch"

    • das Buch: https://github.com/fastai/fastbook
    • Notebooks / Kurs: https://course.fast.ai/

    • das erste Kapitel ist sehr praxisorientiert um schnell eine gute Lösung im Unternehmen zu haben

    • trainiert erst ein Modell und schaut euch dann die Fehler an, die es gemacht hat und bereinigt erst dann die Daten (falls nötig)
    • Deployment-Beispiele mit Voila auf Heroku
    • cropping/presizing von Bildern in der GPU
    • Anschauen: learning-rate-finder
    • hintere layers bekommen größere learning-rate

    • Podcast mit Jeremy Howard: https://lexfridman.com/jeremy-howard/

    next

    • date: 2020-11-17
    • talks:
    • (meldet euch wenn ihr Vorträge habt!)
  9. virtuelles MLUGS Treffen im Oktober 2020

    Auch im Oktober findet ein virtuelles MLUGS-Treffen statt.

    Vorträge (10-15 Minuten/Vortrag):

    • Andreas: Hosting of ML models
    • Uwe: Buchbesprechung "Deep learning for Coder with fastai & PyTorch"

    Meldet euch, wenn ihr etwas vorstellen wollt. Das kann etwas sein mit dem ihr euch aktuell beschäftigt, ein Problem das ihr lösen möchtet oder auch ein Plug für etwas. Es sollte etwas mit machine-learning zu tun haben.

    Wir werden Zoom verwenden.

    Wann:

    20. Oktober 2020 um 18:30

    Wo:

    virtuell. Zoom.

    Bitte meldet euch an unter:

    https://www.meetup.com/Machine-Learning-UserGroup-Stuttgart

  10. Bericht (virtuelles) MLUGS Treffen im September 2020

    Protokoll

    Intro

    Das Ziel der MLUGS ist der Austausch über Machine-Learning-Themen. Keine Vorträge, die besser bei Youtube aufgehoben wären, sondern Diskussion zum jeweiligen Thema.

    Teilnehmer

    • Andreas, Software-Entwickler, AX-Semantics
    • Thomas, Data Scientist
    • Lukas, Mechatronik & SupplyChain, Sensor.Community
    • David, Analytics Engineer
    • Steffen, Data Driven Visuals, Brands and Spaces

    Andreas: GPT2 für nicht-Englisch zu trainieren

    Slides / Notebook: https://github.com/mfa/talks/blob/master/20200915--train-GPT2-not-in-English/slides.ipynb

    Thomas: Mensa-Bezahlung überprüfen

    • mit camera das Essen filmen
    • Damit überprüfen ob das richtige bezahlt wird
    • verwendet yolov3 + vgg16
    • trainingsdaten manuell annotiert: 40-60 bilder / zu erkennendes objekt
    • wird weiter entwickelt: next viewshot detection

    Steffen: Möbelszenenvisualisierung

    next

    • machen wir das jetzt (wieder) regelmässig? ja
    • müssen die Vorträge besser geplant werden? mglw. nötig bei mehr Teilnehmern
    • date: 2020-10-20
    • talks:

      • Andreas: Hosting of ML models
      • ??