Vom 26. Februar bis zum 1. März reiste eine motivierte Gruppe bestehend aus knapp 30 Studierenden, Promovierenden und Post-Docs nach Wiehl, wo sie gemeinsam in die Welt des Deep Learning eintauchten und von einem herausragenden SpeakerInnen Team in die Themen „Neural Network Building Blocks“, „Mastering Model Building“ und „Convolutional Neural Networks“ eingeführt wurden.

Gestärkt nach einem ersten gemeinsamen Abendessen und der Begrüßung durch das ErUM-Data-Hub Team lauschten die Teilnehmenden am Montagabend motiviert der ersten Lecture von Dr. Andrea Santamaria Garcia (KIT), die mit dem Thema Neural Network Building Blocks den fachlichen Startschuss zur School gab. Vertieft wurde dieses Thema auch in einer weiteren Lecture nach dem Frühstück am nächsten Morgen und einer darauffolgenden Hands-On Session, in der die Teilnehmenden ihre neu erlernten Konzepte erstmals anwenden konnten.

Der Dienstagnachmittag stand ganz im Zeichen des zweiten Themenblocks. Dr. Dirk Krücker (DESY) gestaltete eine spannende Vorlesung zum Thema „Mastering Model Building“, die durch einen anschließenden Praxisteil abgerundet wurde.

Um einen regen Austausch untereinander zu ermöglichen, wird bei unseren Schools neben dem Vermitteln theoretischer Inhalte, auch viel Wert auf zur Verfügung stehende Zeit für gemeinsame (Freizeit)Aktivitäten gelegt. So erwartete die Teilnehmenden beim Social Evening am Dienstagabend unser Pub- oder besser gesagt Hub-Quiz. Aufgeteilt in mehrere Teams, die sich kreative Namen wie „Quantim Quizzics“ oder „Rolling in the Deep Learning“ gaben, wurden in gemütlicher Runde an der Bar Fragen aus diversen Themengebieten beantwortet.

Am Mittwochvormittag stand der letzte Deep-Learning Themenblock auf dem Programm. Stephanie Käs hielt eine lehrreiche Lecture zum Thema Convolutional Neural Networks“, die die Teilnehmenden wissbegierig verfolgten. Hochmotiviert machten sich die Teilnehmenden anschließend an das Lösen der ihnen gestellten Aufgabe in der Hands-on Session. Wir freuen uns sehr darüber, dass wir mit Stephanie Käs exzellente Unterstützung vom Center for Artificial Intelligence der RWTH Aachen University bekamen und möchten uns an dieser Stelle recht herzlich für die Zusammenarbeit bedanken. Wir freuen uns schon darauf, unsere Zusammenarbeit zukünftig auszubauen.

Nach drei spannenden Themenblöcken war es nun an der Zeit, die neu erlernten Deep Learning Konzepte in der neu aufgelegten Challenge mit dem Namen „GravitySpy Challenge“ anzuwenden und sich in Teamarbeit zu üben. Enthusiastisch stellten sich die ausgelosten Gruppen der anspruchsvollen Aufgabe und arbeiteten bis spät in den Abend hinein an ihren Lösungen. Am Donnerstag wurde den entwickelten Ideen der letzte Schliff gegeben und die Slides für die am Nachmittag folgenden Präsentationen finalisiert. Die fachkundige Jury (bestehend aus den Speakern und Tutoren) zeigte sich beeindruckt von den Lösungsansätzen aller Gruppen, was die Wahl des Gewinnnerteams nicht leichter machte. Am Ende konnte das grüne Team, bestehend aus Anna, Dominik, Jan, Makarim und Subarna die Challenge für sich entschieden – Herzlichen Glückwunsch!

Neben Deep Learning Konzepte stand in dieser School auch erstmals das Thema Karriere im Mittelpunkt. So fand am Mittwoch, Donnerstag und Freitag ein Career Development Workshop, geleitet von Coach Alexander Britz statt, der den begeisterten Teilnehmenden unterstützende Tipps gab und inspirierte, ihre eignen Karrierestrategien in ErUM und darüberhinaus zu entwickeln.

Auch die vierte Deep Learning School „Basic Concepts“ war wieder ein voller Erfolg, was insbesondere dem Engagement und der Kompetenz der SpeakerInnen und Tutoren zu verdanken ist. Wir bedanken uns daher herzlich bei Dr. Andrea Santamaria Garcia, Dr. Dirk Krücker, Stephanie Käs und dem AI Center der RWTH sowie Alexander Britz für den wertvollen Input, bei den Tutoren Cheran Xu, Sven Peter, Timo Schellhaas und Moritz Sobotzik für ihre tatkräftige Unterstützung sowie bei allen TeilnehmerInnen, die durch ihre Zusammen- und Mitarbeit wesentlich zu dem Erfolg des Kurses beigetragen haben. Dem BMBF gilt unser Dank für die finanzielle Unterstützung.