Rückblick Coding.Waterkant 2021

Steffen Brandt -

Am 4. und 5. Juni haben wir dieses Jahr wieder den Coding.Waterkant Hackathon im Rahmen des Waterkant Festivals veranstaltet. Der Hackathon richtet sich speziell an Teilnehmende, die Interesse haben, ihre Erfahrungen im Bereich des maschinellen Lernens auszubauen und sich mit anderen Akteuren in diesem Bereich zu vernetzen. Zudem ist der Hackathon auch Teil des opencampus.sh Machine Learning Degrees.

Dieses Jahr haben wir den Teilnehmenden fünf verschiedene Challenges (bzw. Herausforderungen) gestellt, um zwischen Freitagmorgen und Samstagnachmittag an diesen zu arbeiten und ihre Ergebnisse im Anschluss zu präsentieren. Jede Challenge wurde dabei von Projektpaten aus den Unternehmen bzw. Organisationen, die die Daten zur Verfügung gestellt hatten, zu Beginn vorgestellt und die Projektpaten standen auch im Verlauf des Hackathons immer wieder für Rückfragen zur Verfügung.

  • Vorhersage guter Surfbedingungen // Kay Sörnsen & Jonas Kaufmann (Windfinder)
  • Vorhersage von Bäckereiumsätzen // Thies Schönfeldt (Meteolytix)
  • Diagnose von Wirbelsäulenfrakturen // Claus Glueer (CAU Kiel) & Valentina Pedoia (University of California, San Francisco)
  • Automatische Textgenerierung // Doris Weßels (Fachhochschule Kiel)
  • Aufsatzbewertung // Sabrina Ludwig (Universität Mannheim) & Thorben Jansen (IPN Kiel)

Neben der Bearbeitung der Challenges gab es dieses Jahr zwei Keynotes sowie zwei Weiterbildungsworkshops, die ebenfalls Teil des Hackathons waren:
Keynotes:

  • QuestionAId - How to use GPT Models for Task Automation // Malte Hecht (Co-Founder of SIGGI - Learn Smart)
  • Neuroimaging and A.I. - What do we need, what is out there, how can we do better? // Julien Cohen-Adad (Associate Director of the Neuroimaging Functional Unit at University of Montreal)
    Workshops:
  • Prompt Design for GPT Models // Vladimir Alexeev (OpenAI GPT-3 Ambassador)
  • Using SageMaker Studio on AWS // Matthias Nannt (Co-Founder of Stack Ocean)

Angemeldet hatten sich 67 Teilnehmende und am Freitagmorgen sind wir dann auch trotz besten Sommerwetters mit 45 Teilnehmenden in unserem ersten Live-Stream gestartet - wobei die Teilnehmenden aus San Francisco sich aufgrund der Zeitverschiebung erst Abends zur 18 Uhr Keynote erstmals live dazuschalten konnten.
Insgesamt haben dann acht Teams, mit jeweils zwischen drei und acht Teilnehmenden, bis zum Samstagnachmittag an den zum Teil sehr herausfordernden Challenges gearbeitet und ihre Ergebnisse präsentiert. Eine kurze Zusammenfassung der Ergebnisse zu den einzelnen Challenges sowie die Links zu den Aufzeichnungen der Keynotes und der Abschlusspräsentationen sind unten im Anschluss angehängt.

Ebenso wie die erste Ausgabe im vergangenen Jahr hat der Hackathon auch dieses wieder vollständig online stattgefunden. Ein wesentlicher Teil von Hackathons ist jedoch immer der Vernetzungsgedanke gewesen. Gemeinsam mit den Teilnehmenden hoffen wir daher darauf, dass die dritte Auflage des Coding.Waterkant in 2022 dann auch erstmals in Präsenz stattfinden kann.
Die Teilnehmenden von der Uni Mannheim haben bereits signalisiert, dass sie sich freuen würden, nächstes Jahr dann für den Hackathon nach Kiel zu kommen und vielleicht gibt es ja dann sogar die Möglichkeit, dass auch Teilnehmende aus San Francisco einmal nach Kiel kommen!

Ergebniszusammenfassung

  • Vorhersage guter Surfbedingungen:
    An dieser Challenge hatten sich initial sogar drei Teams die Zähne ausgebissen, von denen dann zwei am Samstagnachmittag Ihre Ergebnisse präsentiert haben. Für Windfinder waren die Ergebnisse der beiden sehr fortgeschrittenen Teams insbesondere deswegen sehr aufschlussreich, da sie noch Probleme des aktuell angedachten Ansatzes aufgezeigt haben. In einem Folgetreffen mit den Teams soll jetzt gemeinsam überlegt werden, in welche Richtung man die Anwendung ggf. zukünftig weiterentwickeln kann, um die Vorhersagen auf Basis von KI zu verbessern.

  • Vorhersage von Bäckereiumsätzen:
    Diese Challenge ist einer unserer Dauerrenner, die wir auch im Rahmen der Lehre sehr gerne als Praxisprojekte einsetzen. Dieses Mal hatte sich ein Team an die Herausforderung gewagt und die Gelegeneheit genutzt, um ihre Kenntnisse im Bereich der Zeitreihenanalysen zu erproben und nach eigener Aussage viel darüber gelernt, welche Datenaufbereitungsschritte in der Praxis alle notwendig sind, um ein entsprechendes Modell zu Laufen zu bekommen.

  • Diagnose von Wirbelsäulenfrakturen:
    Hier waren insgesamt vier Teams, davon eines von der University of California in San Francisco, angetreten, um innerhalb von 27 Stunden ein Modell zu trainieren, das anhand von Röntgenaufnahmen Wirbelsäulenfrakturen bestmöglich vorhersagen kann. Aufgrund der Zeitverschiebung hatte das Team aus San Francisco dabei vorgelegt und ihm gelang letztendlich auch die beste Vorhersage. Wobei die anderen Teams zum Teil noch bis zum Sonntagabend nach Ende des Hackathons noch weitere Ergebnisse eingereicht haben und so letztendlich dann auch in den Bereich des Teams aus San Francisco kamen.

  • Automatische Textgenerierung:
    Dieses Jahr hatten wir erstmals eine Challenge dabei für Teilnehmende ohne Programmierkenntnisse, bei der es darum ging zu zeigen wie gut die aktuellen Sprachmodelle bereits sind, um Texte zu generieren, die mit denen von Journalist:inne oder Autor:innen vergleichbar sind. Leider mussten wir jedoch feststellen, dass es uns mit dem KI-Hackathon dieses Jahr noch nicht gelungen war, auch Teilnehmende für die das Thema zu interessieren, die keine Programmierkenntnisse mitbrachten. Nichtsdestotrotz sehen wir hier viel Potenzial für die Zukunft.

  • Aufsatzbewertung (Essay Scoring):
    Hier hatten sich insgesamt acht Teilnehmende gefunden, um zwei Datensätze mit frei formulierten Textantworten von Schüler:innen automatisch zu bewerten. Dazu hatte die Gruppe verschiedene Lösungsansätze definiert, die von den einzelnen Gruppenmitgliedern angegangen wurden. Sowohl für den Datensatz der Uni Mannheim als auch für den des IPN Kiel wurden dabei sehr hohe Genauigkeiten von 84% bzw. 86% erzielt, die in dem Bereich liegen, in dem die Bewertungen von Menschen üblicherweise auch übereinstimmen. Für beide Forschungsinstitute, für die die Datensätze erstmals so ausgwertet wurden, sind die Ergebnisse daher sehr vielversprechend, um ihre Forschung in diese Richtung weitervoranzutreiben.

Projektpräsentationen

Morning Keynote

Wie man GPT-Modelle für die Aufgabenautomatisierung verwendet (Malte Hecht, Mitbegründer von SIGGI - Learn Smart)

Afternoon Keynote

Neuroimaging und AI - Was brauchen wir, was gibt es, wie können wir es besser machen? (Julien Cohen-Adad, Associate Director der Neuroimaging Functional Unit an der Universität von Montreal)