Skip to main content Skip to main navigation

Projekt

UPLINX

Standortübergreifendes Qualifikationsprogramm Machine Learning für die Praxis

  • Laufzeit:

Das Verbundprojekt UPLINX ist ein standortübergreifendes Qualifikationsprogramm für Machine Learning mit direktem Praxis- und Anwendungsbezug. Das Verbundprojekt läuft deutschlandweit an allen DFKI Standorten mit Beteiligung der Akademie der Technikwissenschaften (acatech) unter der Leitung des Robotic Innovation Centers. Im Sommer 2019 mündet UPLINX an allen DFKI Standorten in Summer-Schools und Industrie-Workshops.

Im Januar 2018 startete unter Beteiligung aller DFKI-Standorte sowie der Akademie der Technikwissenschaften (acatech) das Verbundprojekt UPLINX, ein standortübergreifendes Qualifikationsprogramm für Machine Learning (ML) mit direktem Praxis- und Anwendungsbezug. Das Projekt wird vom DFKI Robotics Innovation Center in Bremen koordiniert und umfasst Qualifizierungsmaßnahmen, die von der universitären Lehre bis hin zu zielgruppenorientierten Industrieworkshops reichen.

Durch seine Brückenstellung als Institut der anwendungsorientierten Forschung hat das DFKI einen exzellenten Kontakt zu Zielgruppen aus dem universitären Ausbildungsbereich sowie ein großes Netzwerk in die Industrie. Zudem verfügt es über eine hohe fachliche Kompetenz auf dem Gebiet des Maschinellen Lernens sowie über einen breiten Erfahrungsschatz in der Ausbildung im Graduierten- und Postgraduiertenbereich ebenso wie im Wissenstransfer zu industriellen Anwendern. Ziel von UPLINX ist es, das Potenzial und die Kompetenz des DFKI standortübergreifend zu bündeln, aufeinander abzustimmen, methodisch und organisatorisch zu strukturieren sowie nachhaltig und mit starkem Praxisbezug als übergreifendes Angebot zur Verfügung zu stellen. Auf diese Weise soll UPLINX ein Qualifizierungsangebot schaffen, in welches der aktuelle Stand der Forschung und Ausbildung einfließt sowie zukünftige Entwicklungen und Trends auf dem Gebiet des ML dynamisch eingebunden und verstetigt werden.

Die Vermittlung der Lehrinhalte erfolgt dabei anwendungsnah und mit hohem praktischen Anteil durch die Nutzung neuer Infrastrukturen. Diese werden in vier thematische Schwerpunkten eingeteilt: „Interaktion mit Wearable Computing und Internet of Things (IoT)“, „Langzeit Lernen und Adaptivität in der Robotik“, „Multimedia und Smart Services“ und „Selbstlernende Mensch-Technik-Interaktion“. Den Kompetenzen entsprechend liefern die Standorte hierzu spezifische ML-Lehrprogramme, die über verschiedene Austauschformate für alle Standorte zugänglich gemacht werden und so komplementär nutzbar sind.

Fördergeber

BMBF - Bundesministerium für Bildung und Forschung

BMBF - Bundesministerium für Bildung und Forschung

Publikationen zum Projekt

Friederike Fröbel; Eleftherios Avramidis; Gesche Joost

In: Proceedings of the 5th ACM In Cooperation International Conference in HCI and UX (CHIuXiD 2019). International HCI and UX Conference (CHIuXiD-2019), April 1-9, Jakarta, Surabaya, Bali, Indonesia, ISBN 978-1-4503-6187-3/19/04, ACM, 2019.

Zur Publikation

Vivien Macketanz; Eleftherios Avramidis; Aljoscha Burchardt; Hans Uszkoreit

In: Proceedings of the Third Conference on Machine Translation. Workshop on Statistical Machine Translation (WMT-2018), located at 2018 Conference on Empirical Methods in Natural Language Processing, October 31 - November 1, Brussels, Belgium, Association for Computational Linguistics, 2018.

Zur Publikation