Maschinelle Mustererkennung für Masterstudierende Kurzer Rückblick auf das Deep Learning Lab 2022

Das Deep Learning Lab produziert seit 2018 strahlende Gesichter – bei dem Wettbewerb im Rahmen eines Masterkurses lösen Studierende im Rahmen einer Challenge ein vorgegebenes Problem mit Methoden des Maschinellen Lernens. Der Kurs ist inzwischen so beliebt, dass die Teams aus rund 90 Bewerbungen ausgelost werden. Auch die Sponsoren aus der Industrie unterstützen das Format und freuten sich über hochqualifizierten Nachwuchs.

In diesem Jahr stand wieder einmal die maschinelle Mustererkennung, konkreter, die gelernte Tiefenschätzung im Fokus des Deep Learning Labs, kurz TUBS.dll. Die Teilnehmenden waren aufgefordert, Methoden zu entwickeln, von Eingabebildern pro Pixel die Entfernung zur Kamera schätzen können (Tiefenschätzung). In mehreren Schritten wurden die Studierenden an diese Aufgabe herangeführt. Zunächst stand eine Einführung in die Python-Programmiersprache an, ehe es im zweiten Schritt darum ging, Rechencluster, Machine-Learning-Probleme und Optimierungsstrategien kennenzulernen. Erst mit diesem Grundwissen erhielten die Teams die Aufgabenstellung. Die Performanz der entwickelten Software wurde mithilfe von Testdatensätzen gemessen, die den Teilnehmenden unbekannt waren.

Deep Learning Lab 2022: Das Siegerteam. Bildnachweis: Markus Hörster/ TU Braunschweig

Die Gewinner

Insgesamt zehn Teams bestehend aus jeweils drei Studierenden stellten sich der Aufgabe des Deep Learning Labs. Der mit 450 Euro dotierte erste Platz ging diesmal an Morteza Molai (Maschinenbau), Alexander Tank und Sven Brüggemann (beide: Elektronische Systeme in Fahrzeugtechnik, Luft- und Raumfahrt, ELSY).

Stromsparen mitgedacht: Erstmals auch Umweltpreis vergeben

Der Umweltpreis ging an Maria Christoph (IST), Lasse Anderes (IST) und Leandra Fichtel (Informatik) (v.l.). Sie haben für ihre Lösung mit 831 Stunden die kürzeste Berechnungszeit benötigt. Bildnachweis: Markus Hörster/TU Braunschweig

Der zusätzlich ausgelobte Umweltpreis wurde an Maria Christoph (Informationssystemtechnik), Lasse Anderes (Informationssystemtechnik) und Leandra Fichtel (Informatik) verliehen. Der Umweltpreis wird vergeben, um die Aufmerksamkeit der Studierenden darauf zu lenken, dass das Training von neuronalen Netzen, also das Erlernen der Muster, sehr viel Rechenkapazitäten und damit sehr viel Strom verbraucht. Den Preis erhält das Team mit dem besten Verhältnis von der „Qualität ihres Netzes“ zu „Rechenzeit“.

„Das Deep Learning Lab ist eine wunderbare Gelegenheit für Studierende, ihr theoretisches Wissen aus Vorlesungen über das Maschinelle Lernen praktisch anzuwenden. Hier gibt es die Gelegenheit, in einer Challenge an aktuellen Forschungsthemen zu arbeiten und bei der Abschlussveranstaltung bei gemeinsamen Grillen Kontakte zu den Industriepartnern zu knüpfen“, sagt Professor Tim Fingscheidt vom Institut für Nachrichtentechnik, Initiator des erfolgreichen Lehr- und Lernformats.

Das Deep Learning Lab ist ein Machine Learning-Praktikum für Masterstudierende und findet seit 2018 statt. Bis 2019 wurde das DLL als Projekt durch das Bundesministerium für Bildung und Forschung (BMBF) gefördert. Zudem unterstützen mehrere Unternehmen das Deep Learning Lab und stiften die Preisgelder. Zur Preisverleihung gehörten für die Studierenden auch einige Networking-Angebote, die Kontakte zwischen Unternehmen und Studierenden herstellen sollten.

Um die komplexen Aufgaben im Deep Learning Lab bearbeiten zu können, sind intensive Berechnungen nötig. Das Gauß-IT-Zentrum übernimmt hierbei die Rolle des Hosts für die umfangreichen Rechenressourcen. Hier standen in diesem Jahr insgesamt 47 GPUs – für Maschinelles Lernen besonders geeignete Prozessoreinheiten – zur Verfügung.