HGS MathComp Curriculum & Events

The students
Understand the process of Business Model Innovation to bring an idea to a monetizable business level including a financial planning. To execute and implement business ideas through Business Development using methods like Value Proposition Canvas, Business Model Canvas, Strategic Innovation Canvas and through Business Analysis using methods like SWOT, PEST and Balanced Scorecard.
Understand techniques for business problem-solving in the areas of ideation, prototyping and testing. Ideation based on problem definition, following rapid prototyping using different tools like LEGO, 3D-Printing and Software Mock Ups, and to get feedback through testing like split tests and iterative customer interviews.
Understand how to present a business idea to motivate customers, supporters, multiplicators, partners and investors through a meaningful pitch deck and agile business plan. An understanding of the framework EXIST Idea Paper will help to apply for potential future funding.
Understand user-centric problem identification such as Design Thinking. Observation of customer needs through interviews and persona creation as well as point-of-view definitions will help to prioritize relevant problem fields.
Understand the basic principles of machine learning and computer vision, such as deep neural networks, necessary to launch a start-up as a business person.
Understand the high-level concepts of the different fields of machine learning, such as reinforcement learning, active learning, supervised and unsupervised learning.
Understand the state-of-the art of computer vision and machine learning, such as object recognition and motion estimation, in order to create ideas for a business model.
Understand the application and connection of machine learning and computer vision techniques to related fields such as hardware design, camera design, robotics, medicine and biology.

Content:
What is the way from identifying a potential market need, until planning and executing a business idea in the area of AI?
This course is split in four parts:

a) Technical part. Short introduction to machine learning. Discussing the different areas in AI, especially machine learning and computer vision, such as deep neural networks, reinforcement learning, active learning, and unsupervised learning. Presenting the state of the art in computer vision and machine learning, such as object recognition, motion estimation, and domain adaption. State of the art in hardware design especially camera design. Discussing the connection of Machine learning and computer vision with related fields such as biology, medicine and robotics.
b) Business part. This part will provide the development from problem to solution using Design Thinking bridging to Business Model Innovation where the idea is formed, streamlined and scaled into a monetizable business idea. We will cover elements like Elevator Pitch, Story Telling, Team Introduction, Business Model (Core Business including Value Proposition, Customer Segment, Customer Relationship and Channels combined with Key Partners, Key Activities and Key Recourses as well as Revenue Streams and Cost Structure), Competition, Market Entry and Closing with Call-to-Action will be processed during the course.
c) We will Invite AI-based start-ups to talk about their expertise
d) There will hands-on sessions and a final project where you should come up with your own AI-based startup.
The block course is in general characterized by high interactivity and workshop character
Teilnahmevoraussetzungen: none.
Prüfungsmodalitäten: There will be no marks. In order to pass the course, the students must attend the course and pass the practical project.

Useful literature:
- Blank, S. & Dorf, B.: The Startup Owner_s Manual: The Step-By-Step Guide for Building a Great Company, K&S Ranch.
- Lewrick, M. et. al.: The Design Thinking Playbook: Mindful Digital Transformation of Teams, Products, Services, Businesses and Ecosystems, Wiley.
- Osterwalder, A. et. Al.: Business Model Generation: A Handbook for Visionaries, Game Changers, and Challengers, Wiley.
- Gassmann, O. et. al.: The Business Model Navigator: 55 Models That Will Revolutionize Your Business, Financial Times.
- Deep Learning by Ian Goodfellow, Yoshua Bengio, Aaron Courville
- Online Course: https://www.coursera.org/learn/machine-learning.
(Since the field of machine Learning and Computer Vision is moving so rapidly there are no books which cover the latest trends. Good (but older) books are:
- Pattern Recognition and Machine Learning, Christopher Bishop
- Artificial Intelligence: A Modern Approach by Stuart Russell and Peter Norvig

https://hci.iwr.uni-heidelberg.de/content/design-your-ai-based-startup

Im Zeitalter des Maschinellen Lernens werden die Fortschritte in den anderen Bereichen der Bildverarbeitung schnell übersehen. Daher wird das 75. Heidelberger Bildverarbeitungsforum die Fortschritte in allen Bereichen der Bildverarbeitungsalgorithmik vorstellen mit Fokus auf das Zusammenwirken von allen Komponenten, da ein Kette nur so stark ist wie ihr schwächstes Glied. Ein weiterer Schwerpunkt ist die Frage, wie Lernverfahren praxistauglich und zuverlässig - in anderen Worten mathematisch fundiert - werden können.

Erstmals wird das Forum online stattfinden. Alle geschätzten Merkmale des Forums bleiben erhalten oder werden sogar noch besser: von einem virtuellen Gastgeber passend zum Schwerpunktthema, den man besser kennen lernen kann, hochqualitativen Vorträgen mit Diskussion bis zu einer virtuellen Ausstellung, die Gespräche mit den Ausstellern der Exponate ermöglicht. Hier gibt es eine wichtige Änderung, um das Forum zielgerechter durchzuführen: alle virtuellen Exponate sollten auf das Schwerpunktthema abgestimmt sein.

Durch die Online-Veranstaltung sparen alle Teilnehmer Zeit und Kosten für die Anreise und können die aufgezeichneten Vorträge auch noch nachträglich hören. Ausstellern bietet das Forum in Zeiten ausgefallener Messen die einmalige Gelegenheit genau der richtigen und interessierten Zielgruppe ihre zum Schwerpunktthema passenden Neuentwicklungen vorzustellen. Genauere Angaben zu den Möglichkeiten der virtuellen Ausstellung finden Aussteller auf der Anmeldeseite des Forums.

3D-Vermessung von Objekten zur Neukonzeption der Antikensammlung
Fächerübergreifender Kompetenzkurs (FÜK) mit 2 SWS bzw. 3 LP / ECTS.
Neue Technologien aus dem Bereich der 3D Computer Vision bieten zunehmende Möglichkeiten zur Erfassung, Dokumentation und Analyse von Objekten. Damit entstehen neue Forschungsfragen im interdisziplinären Spannungsfeld zwischen Archäologie und angewandter Informatik. In der praktischen Übung werden originale Objekte der Antikensammlung (https://www.uni-heidelberg.de/fakultaeten/philosophie/zaw/klarch/antikensammlung/ antikensammlung.html) mit einem industriellen hoch-auflösenden opitschen 3D-Scanner erfasst und die 3D-Daten anschließend verarbeitet. Die TeilnehmerInnen erhalten eine Einführung in die optische 3D- Messtechnik; dazu gehört die anschließende Datenverarbeitung mit OptoCAT als Bestandteil des 3D- Scanners und mit dem frei verfügbaren GigaMesh Software Framework (https://gigamesh.eu). Nach dieser Einführung können sie selbstständig in Zweier-Gruppen antike Objekte verschiedener Beschaffenheit mit optischen Verfahren vermessen. Die Daten können soweit verarbeitet werden, dass sie z.B. in einem DataVerse (https://heidata.uni-heidelberg.de/dataverse/iwrgraphics) nachhaltig publiziert werden bzw. als Vorarbeit für z. B. einen CVA Band in Form von Ansichten, Profilschnitten und Abrollungen dienen könnten (CVA Beiheft Wien 1: https://austriaca.at/7145-4inhalt?frames=yes). Die Ergebnisse sollen am Ende der Übung von jeder Zweier-Gruppe in digitaler Form als Bild, Video und interaktiv im Web (http://3dhop.net) präsentiert werden um damit die Eigenschaften und Möglichkeiten der 3D-Messtechnik, Computer Vision und Computergraphik für die Forschung im Umfeld der Archäoinformatik (digital bzw. computational archaeology) zu zeigen.
Arbeitsort: Interdisziplinäres Zentrum für wissenschaftliches Rechnen (IWR) im Neuenheimer Feld 205 (Mathematikon), 5.OG, sowie Antikensammlung (Marstallhof 4).
Die 3D-Vermessung der Objekte finden in Zweiergruppen statt, die ihre Zeit selbst einteilen. Wünschenswert sind interdisziplinäre Gruppen bestehend aus Studierenden der Archäologie und der Informatik.
Termine und Teilnahme:
Vorbesprechung und Vorstellung: Montag, 27. April, 14-16oo, Antikensammlung (Marstallhof 4). Die weiteren Termine mit den Zweier-Gruppen werden individuell vereinbart.
Auf Grund des limiterten Zugang zu dem 3D-Labor/Messtechnik und der Sammlung wird die Teilnehmerzahl beschränkt. Ihre Bewerbung für die Teilnahme senden Sie mit dem dem Betreff „[3DFUEK] Teilnahme“ bis spätestens 20. April an hubert.mara@iwr.uni-heidelberg.de
Siehe auch:
Vorgängerveranstaltung: Praktische Übung: 3-D-Scanning im SS19

Es besteht die Möglichkeit zur Anrechnung in der Archäologie.

Modern application problems in the sciences rely heavily on data processing and modeling of systems and dynamics. The development of new and improved methods in mathematics and computer science aim to provide the tools and the theoretical background for these methods.

This 4EU+ summer school gives insights into several areas were current research heavily influences method development. Participants will get short, precise and high-powered introductions into several research fields. The aim is to provide the first step for young researchers to extend their toolbox of methods and learn some new, powerful and rewarding technique.

The school aims at master and PhD students from the fields of mathematics and computer science as well as students with an interdisciplinary background in computational science applications. Each lecture block will take the participants from the general education level into a small specialization topic to get a first insight into a new subtopic that will help them to extend their knowledge on theory and methods.

The 4EU+ alliance aims to take education to a next, a European level. With its four flagships, the alliance tackles large questions in research that have fundamental impact on our societies and the way we live, learn and develop. Flagship 3, “Transforming science and society: Advancing information, computation and communication” is coordinated by Heidelberg University. Our summer schools are meant to be platforms to get in touch with 4EU+ and to share our vision of modern education.

The school will be held in Heidelberg (Germany). If the situation in regard to COVID-19 makes this impossible, the school will be shifted to a digital format.

Target Audience

Postgraduate students, PhD candidates, postdocs and young researchers:

- from the fields of mathematics and computer science as well as students with an interdisciplinary background in computational science applications.
- Master students from Heidelberg University

Speakers

The 4EU+ school is taught in a series of courses and single lectures by:

- Helle Sørensen, University of Copenhagen
- Filip Sadlo, Heidelberg University
- Ivano Eberini, University of Milan
- Wanda Niemyska, University of Warsaw
- Julien Tierny, Sorbonne University

REGISTRATION REQUIRED / APPLY ONLINE / DEADLINE: JULY 29, 2020