Vom 25. bis 28. September reiste eine motivierte Gruppe bestehend aus ca. 30 Senior Scientists, Postdocs, Doktorand:innen und Studierenden unterschiedlicher ErUM-Communities ins Landhaus Nordhelle nach Meinerzhagen, um beim Active Training Course gemeinsam fortgeschrittene Deep Learning Konzepte zu ergründen. Ein herausragendes Speaker:Innen Team führte die Teilnehmenden mit tatkräftiger Unterstützung engagierter Tutoren in die Themen Graph Neural Networks, Transformers & Model Diffusion und Normalizing Flows ein.

Gestärkt nach einem ersten gemeinsamen Abendessen und der Begrüßung durch das ErUM-Data-Hub Team verfolgten die Teilnehmenden am Montagabend wissbegierig die erste Lecture von Dr. Jonas Glombitza (Center for Astrophysics, Erlangen), der mit dem Thema Graph Neural Networks den fachlichen Startschuss zum Active Training Course gab. Vertieft wurde dieses Thema auch in einer Hands-On Session nach dem Frühstück am folgenden Morgen, in der die Teilnehmenden ihre neu erlernten Deep Learning Konzepte erstmals anwenden konnten.

Nach einer kurzen Kaffeepause ging es am Vormittag auch schon direkt weiter mit dem zweiten Themenblock. Dr. Ramon Winterhalder (UCLouvain) führte die Teilnehmenden in einer lehrreichen Lecture in das Thema Transformers & Model Diffusion ein. Da sich die Teilnehmenden bei unserem letzten Workshop mehr Zeit für das Ausprobieren des neu erworbenen Wissens wünschten, wurde ihnen nun mehr Zeit zur Verfügung gestellt und so nutzen alle den verbleibenden Tag damit, die gestellten Aufgaben zu lösen.

Nach dem Abendessen stand der Social Evening auf dem Programm, der bei unseren Schools und Workshops mittlerweile fester Bestandteil ist, um bei gemeinsamen (Freizeit)aktivitäten einen regen Austausch der Teilnehmenden zu ermöglichen. Und so wurden beim „Pub Quiz“, das seine Feuerteufe bei unserer Deep Learning Summer School „Basic Concepts“ bestand, in gemütlicher Runde Fragen aus zahlreichen Themengebieten gemeinsam beantwortet.

Am Mittwoch Vormittag ging es mit dem letzten Themenblock lehrreich weiter.  Wir freuen uns, dass wir mit Dr. Nicole Hartman (Technische Universität München) erneut eine Frau als Speakerin gewonnen haben. Sie hielt eine Lecture zum Thema „Normalizing Flows“ ,  auf die eine weitere Hands-On Session folgte.

Nach drei lehrreichen Themenblöcken war es nun an der Zeit, die neu erworbenen fortgeschrittenen Deep Learning Konzepte in der „Milky Way Challenge“ anzuwenden und Kompetenzen der Teamarbeit zu erweitern. Die ausgelosten Gruppen fanden sich schnell zusammen und stellten sich hochmotiviert der Aufgabe. Bis spät in den Abend hinein wurden gemeinsam erste Lösungsansätzen erarbeitet.

Der Donnerstag Vormittag stand weiterhin im Sinne der Challenge und wurde genutzt, um den entwickelten Ideen den letzten Schliff zu geben. Anschließend fanden die Präsentationen statt. Die fachkundige Jury (bestehend aus den Speakern und Tutor:innen) zeigte sich beeindruckt von allen erarbeiteten Lösungsansätzen, was die Wahl des Gewinnnerteams nicht leichter machte. Herzlichen Glückwunsch an das Team von Markus, Caio, Augustin und Sven – sie konnten am Ende die Challenge für sich entscheiden.  Zum Abschluss wurde noch einmal auf eine lehrreiche Woche zurückgeblickt.  Nach einem letzten gemeinsamen Mittagessen machten sich die Teilnehmenden auf die Heimreise – im Gepäck viele noch fortgeschrittenere Deep Learning Konzepte.

Wir bedanken uns herzlich bei den Speaker:innen (Dr. Jonas Glombitza, Dr. Ramon Winterhalder und Dr. Nicole Hartman) für den wertvollen Input, bei den Tutoren Theo Heimel, Cyrus Walther und Martin Schneider für ihre tatkräftige Unterstützung sowie bei allen Teilnehmer:innen, die durch ihre Zusammen- und Mitarbeit wesentlich zu dem Erfolg des Kurses beigetragen haben. Dem BMBF gilt unser Dank für die finanzielle Unterstützung.

Der Active Training Course „Advanced Deep Learning” war unsere letzte School in diesem Jahr. Wir freuen uns nun auf den „ErUM-Data Workshop on Inverse Problems“ und auf viele spannende Schools 2024.