Unter dem Schlagwort des Deep Learning hat die Wissenschaft in den vergangenen Jahren große Fortschritte gemacht, von der Bild- und Objekterkennung über dem Verstehen von Sprache oder Erzeugen von Texten. Dabei ist Machine Learning zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden: sowohl als wissenschaftliche Methode als Beispiel in der medizinischen Diagnostik, aber auch in der Wirtschaft hat Machine Learning Einzug genommen. Doch wie stehen Deep Learning, Machine Learning, Neuronale Netze, und künstliche Intelligenz miteinander in Verbindung und welche Unterschiede gibt es? Der Ingenieur und Podcaster Philipp „Teubi“ Gräbel gibt mir in dieser Folge einen Einblick ins Deep Learning und erklärt mir auch anhand seiner Forschung in der Biomedizin, wo Deep Learning eingesetzt werden kann und wo (noch) nicht. Wir sprechen über die Vorteile vom Deep Learning und welche Aspekte bei der Anwendung beachtet werden müssen.

 

noch-nicht-gefragt

Philipp „Teubi“ Gräbel

Links zum Lernen

  • Neural Networks and Deep Learning (gutes Buch, aber leicht veralteter Code) [Link]
  • 3 Blue 1 Brown (Youtube Playlist mit netter Erklärung und schönen Visualisierungen) [Link]
  • Stanford Vorlesung [Link]

BiomedizinBildverarbeitungNussschale 014 über Bildverarbeitung – Digitale SignalverarbeitungDeep_LearningAutonomes Fahren – BlutzellenNussschale über Blutzellen – Knochenmark – Forschungsprojekt: Klassifikation von Zelltypen mit Lösungsansätzen aus dem Bereich Deep Learning [Link] – Medizinisch-technischer Assistent

 

nach-gefragt

  1. Definition Deep Learning

Deep LearningNussschale über Deep Learning – CytoplasmaMaschinelles LernenNussschale 003 über Maschinelles Lernen

  1. Merkmale erkennen durch Neuronale Netze

Neuronales NetzPerzeptronNussschale 020 über das Perzeptron – Vortrag über Deep Learning beim 35c3: Neuronale NetzeGewichtungLineare FunktionNussschale über Funktionen

  1. Training und Ergebnisserzeugung

Backpropagation – LOSS-Funktion [Link1, Link2] – Vortrag über Deep Learning beim 35c3: Beispiel wie ein Training funktioniert

  1. Aufbau eines Neuronalen Netzes

Vortrag über Deep Learning beim 35c3: Image ProcessingFaltungConvolutional Layer

  1. Unterschied Deep Learning und Maschine Learning
  2. Was muss beim Einsatz des Netzes beachtet werden?
  3. Evaluation des Netzes

Biometrische Videoüberwachung in Berlin [Link] –  Bewertung Gesichtserkennung und Trefferquote [Link1, Link2] – Das Problem mit den Falsch Positiven [Link]

  1. Anwendungsarten

Reinforcement – Überwachtes und unüberwachtes Lernen [Link]

  1. künstliche Intelligenz

Künstliche IntelligenzNussschale über künstliche Intelligenz – Turing-Test – Die Bundesregierung und künstliche Intelligenz [Link]

  1. Was ist möglich mit neuronalen Netzen?

Upload-Filter – EU-Richtlinie und Uploadfilter [Link] – GEMA-Tweet über KI [Link] – xkcd über das Einschätzen der Schwierigkeit von Tasks [Link] – Precision und Recall [Link1, Link2] – Bewertung von Uploadfilter anhand von Youtube [Link]

  1. Anwendungsgebiete

Deep Learning in der Medizin [Link1, Link2]  – Deep Learning und autonomes Fahren [Link1, Link2]

  1. Deep Learing als Methode in der Wissenschaft

Nachgefragt 008 mit Nicolas Wöhrl über Forschung – Peripheres BlutarXiv.org

  1. Deep Learning in der Wirtschaft
  2. Deep Learning online ausprobieren

MNIST Database – MNIST Visualisierung (Klassifizierung von Zahl) [Link] – Activation AtlasThis person does not exist [Link] – AirbnbThis cat does not exist [Link] – Google AI Experiments [Link] – Let’s EnhanceBackground Removal – Remove Background Background Removal ausprobieren – Coloring Pictures – Colourise Coloring Pictures ausprobieren – Und nochmal: Vortrag über Deep Learning beim 35c3 [Link]

 

sterne-befragt

NGF024-Wissen: Deep Learning

Ein Kommentar zu „NGF024-Wissen: Deep Learning

  • Mai 27, 2019 um 12:55 pm Uhr
    Permalink

    Hallo, vielen Dank für den super Podcast und auch an Teubi. Endlich mal eine realistische Einschätzung was, KI kann und auch nicht. Aber eine kleine Anmerkung. Das GPT-2 Netwerk von OpenAI kann keine Masterarbeiten schreiben, da es keinerlei Weltwissen hat. Es kann nur etwas produzieren, das formal wie eine Masterarbeit ausssieht. Ansonsten ein super Podcast. Und Teubi sollte in seinem nächsten Leben mal Lehrer werden.

    Antworten

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.