Self-supervised learning ist eine spannende Forschungsrichtung, die darauf abzielt, Repräsentationen aus den Daten selbst zu lernen, ohne explizite und möglicherweise sogar manuelle Überwachung. Einer der Hauptvorteile des Self-supervised Learnings ist die Fähigkeit, auf große Mengen unmarkierter Daten in einer Art lebenslangem Lernen zu skalieren und die Leistung zu verbessern, indem der Effekt der Verzerrung des Datensatzes reduziert wird. Die jüngste Entwicklung in diesem Bereich hat dazu geführt, dass vergleichbare oder bessere Leistungen als voll überwachte Modelle erzielt werden können. Viele dieser Methoden werden jedoch in Forschungsbereichen wie Robotik, Computer Vision oder Reinforcement Learning entwickelt.
Das Ziel dieses Workshops ist es, Forscher aus verschiedenen Forschungsbereichen zusammenzubringen, um Chancen und Herausforderungen zu diskutieren und neue Wege zu erkunden. Der Workshop wird online als Teil der Konferenz Robotics: Science and Systems abgehalten und in Zusammenarbeit mit der ELLIS Unit Freiburg durchgeführt. Der Workshop umfasst sowohl eingeladene Vorträge von renommierten Forschern auf diesem Gebiet als auch Vorträge in Form von Beiträgen. Registrierte Teilnehmer der Konferenz werden die Möglichkeit haben, Fragen zu stellen und an Podiumsdiskussionen teilzunehmen, während die Vorträge auch live auf YouTube übertragen werden.
Besuchen Sie unsere Workshop-Website für weitere Details zum Programm: www.brainlinks-braintools.uni-freiburg.de/de/rss-2020-workshop/