Merken

Mit Deep Learning raum-zeitliche Muster erkennen und voraussagen

Zitierlink des Filmsegments
Embed Code

Automatisierte Medienanalyse

Beta
Erkannte Entitäten
Sprachtranskript
er zum letzten Vortrag in dieser Session A Felix Grunde ist da ein bekanntes Vosges Gesichter man kennt den
zum Beispiel vom 103 des sieht die Welt der Rest ausgehst sieht der Mail und ähnlichen Projekten aber diesmal des Landes macht es geht um die Brüder Ingo und künstliche Intelligenz das sind so Themen die heute die vieldiskutiert werden aber vielleicht bisschen diffus sind für viele Personen schwieg schwingt vielleicht auch etwas Angst mit das gefährdet vielleicht unser Arbeitsplätzen Zukunft unter entwickelt das so Eigendynamik die wir als Menschen verhindert kontrollieren können aber dumm bin ich gespannt was du was vielleicht positiv seit noch davon sind oder wer weiß wahrscheinlich auch viel auf negative Seiten mit ok
ja wir kommen von meiner Seite ich hoffe man versteht nicht gut ja mein Vortrag richte sich heute so bisschen auf was ist eigentlich die Blondinen ich jedoch müssen was meiner aktuellen Forschungen berichten aber
mehr ich versuche ich mir beizubringen eigentlich was steckt dahinter und das man jetzt vielleicht nicht alles ja so und erstaunt sein muss was sich vielleicht Manager überall in der Welt sagen
wie krass cool ist also nicht in
der Stadt ok Werte noch nie von die gehört das wir dann er aber es ist eigentlich würde sein spätestens Ende letzten Jahr es eigentlich auch in unserer Community unser Branchen recht gut
angekommen ja ich wurde eigentlich schon relativ gut vorgestellt ich bin jetzt wissenschaftlicher Mitarbeiter an der Beute Schule sicher vor im Bereich 3 oder gearbeitet
jetzt geht das mehr in Richtung Verkehrs Vorhersage deswegen auch die Bilder die wir den Ansatz ja wir 2014 war fast es war wir die Beute Führerschein noch in Erinnerung haben und ja worum geht es in
dem Talk und mein Vortrag einmal was steckt eigentlich hinter dem Haushalt von die übernehmen und die Frage die uns vielleicht aber Geschäft kann man auch Geo-Daten schmeißen und in die coole tolle Ergebnisse bekommen und wenn man die blonden einsetzt worauf sollte man 8. also wie viel Theorie sollte man sich vielleicht selber ein bisschen einlesen und die die Methodik und die Ergebnisse die man vielleicht einen raus kommt besser zu verstehen und wenn man dann immer noch nicht abgeschreckt ist wo fängt man am besten an wenn man es selber entwickeln was er möchte und welche Software gibt es da mit der man starten kann ja neuronale Netze werden
ganz gerne immer erklärt von wegen das ist ein Algorithmus der angelehnt ist an das menschliche Gehirn da geht es auch um Neuronen und Synapsen es ist eigentlich würd ich sagen nur sehr grob angelehnt daran dass eigentlich deutlich abstrakte und wirklich über eigentlich nur doch sehr wenig jetzt unser Mensch dir also wie das in unser menschlichen Kopf funktioniert es kommt halt aus dem Bereich Maschinenlernen es ist eigentlich Wäscheleinen mit neuronalen Netzen das steckt eigentlich hinter die planen und einem der Hauptanliegen des Fehlers einziges überwachten deren also wir zeigen einen Computer einfach sich tausendmal ein bestimmtes Bild oder eine bestimmte Aktion und man lernte das dann will ein gutes Beispiel was ich erst vor kurzem gehört habe ist das jetzt Mensch irgendwie an soll dass er nicht einfach ohne zu gucken wir Straße gehen soll oder Autos Land fahren dann merkt es sich das einfach sofort und begreift auch sofort Implikationen was es heißt wenn jetzt also über Straßen willkommen kommen Auto für den Tod das er das nie machen würde und das hat damit einmal dass er diese Aktion ,komma weiß das Wort entdeckt das sofort noch Computer der würde erstmals nicht paar Tausend sterben 1. gezeigt hat also lieber noch die große Diskrepanz vielleicht eigentlich noch ist zu wirklicher künstlicher Intelligenz ja also ohne dass man sich das mal an SO 2 Abbildung ein Land geworden in dem Sie auch im Internet findet es besteht in der Regel aus mehreren Schichten eines dessen einzelne Neuronen die diesen schlichten stecken diese Neuronen einfach nur die Namen und das iPhone mathematische Funktionen sehr sehr einfache mathematische Funktionen diesen aber alle miteinander verkettet alle miteinander am Arsch und was man ziemlich gut über dieses Netz machen kann dass man kann Signale propagieren also das ist genau dieses der Computer erkennt was in den Daten die man eingibt das erkennt der nur durch diese Signale die über dieses Netz das propagiert werden und dann ja dieses Wort die kommt eigentlich von der Tiefe von den ärztlicher wurden mal ein Bild von der von dem googeln Netz was Bilder extrahieren kann deshalb glaube ich dass nicht 45 Schichten in trennen und daher leitet sich für dieses geben ab beim Wohnen unsere eigentlich und was sollte was sich für die Wissenschaft wird in dem Bereich forschen also ein bisschen ja auf die Fahne geschrieben haben und das zeigt auch Wirkung also viele von euch kennen es mittlerweile den Begriff und wissen auch dass es gerade so bis kleiner Hai ist genauso müssen wir auch mit artistischen Talent unsere künstlichen ergänzt das nutzen Manager ganz gerne damit weil das hat auch schön cool unwichtig klingt ist noch immer so wenn ich Leuten erzähle was ich jetzt aktuell mache dann manchmal zu wenig auf dem Begriff ja ich mach jetzt was mit künstlich intelligent und sich natürlich immer mit großen Augen von den Leuten und denke ja dass es so du aber diesen Gedanken dass da aber wenn man das dann wirklich in der in der diese dann erklären würde dann merkt man doch okay ist einfach nur mathematische Funktion Essen einfach Algorithmus ziemliche Matrixmultiplikation was dahinter steckt das ist jetzt eigentlich noch ziemlich weit davon entfernt was vielleicht die meiste Verbrechen könnt zu stehen oder was man mir das Filmen kennt also normalerweise ist nicht so dass wir den Computer immer nur auf eine bestimmte Sache trainieren dass er die dann richtig gut kann wie zum Beispiel die Straße gehen aber das heißt noch nicht dass anderen Dinge auf der andern Straßenseite sofort extrahieren kann man verstehen kann das müsste man auch alles beibringen also das ist noch weit von würd ich sagen Bewusstsein und sowas entfernt also muss man immer so ein bisschen kritisch gegenüberstehen stehen was es eigentlich heißt was einige von euch vielleicht kennen
was letztes Jahr müssen sich die Medienlandschaft gegangen ist dieser wohl Computer die da AlphaGo Internist steckt in diesem Projekt geht meint der Computer hat einen der weltbesten Go-Spieler geschlagen was man immer gedacht hat geholt das Endspiel das hat in 70 Tausend Variationen des eigentlich ziemlich schwer zu lösen Firmenrechner aber das mittlerweile geschafft und doch nur der ganz andere Reihe guter Go-Spieler besiegt und ja das ist seit deswegen hat diese vom irgendwann dann auch bei uns angekommen NGO oder also es gab jetzt im Januar stilistisch überall fungieren auch als Titelthema hier und die Planung ich habe es ja nicht so genau das Programm ein QC was die jetzt in 1 berichtet haben aber es wird mittlerweile ganz gerne schnell aufgeschnappt und weiterverbreitet was steckte hinter dem Hai wo
wir das denn schon eingesetzt also wenn man zum Beispiel den googelt Schanz Leiter benutzt also der basiert seit wenn ich nach einiger Zeit ist auf einem neuronalen Netz und liefert doch tatsächlich ziemlich gute Ergebnisse bei den Übersetzungen also man hat in auf dem bisher versucht das zu verstehen was macht dieses nun jetzt eigentlich mit den Sprachen und es hat in seine eigenen widersprach entwickelt die kein Mensch irgendwie verstehen kann also aber irgendwie schafft das Netz verdammt gut verschiedenste steht zu viel zwischen verschiedenen Sprachen sind in der Nähe als übersetzen der Bilderkennung ist auf ein Thema wo das als eines der häufigsten Anwendungsfälle womöglich auch ganz erstaunliche Ergebnisse erzielt worden sind die auch tatsächlich statt zu dieser Popularität von die planen beigetragen haben es geht schon ziemlich lange aber jetzt hat man mittlerweile die Rechenpower auf so einem Grafikkarten auf diese Netze laufen können und die haben einfach mal die ganzen bisherigen angesetzte locker in die Tasche gesteckt und deswegen ist es gerade die Sonne Heiliger Gral in jeden Zug auf den wir aufspringen wo natürlich richtig nützlich wert wäre zum Beispiel sie Krebserkennung dass man einfach so Unterschenkel und von Sohn oder letztes Jahr analysieren lässt was dann vielleicht Hinweise geben kann man sollte aber nicht alles auf die Goldwaage legen aber es kann auf jeden Fall wäre das schon ein sehr sehr nützlich Unterstützung auch Ärzten also meist übers ich auch letztes Jahr gefunden hat was auch immer gut witzig arbeitet war dazu ein Japaner für seine Eltern diesen Gruppen Bauern einfach eine Maschine entwickelt die Gruppen Arten klassifizierte den schlechten gucken einfach aussortiert also das ist wirklich herrlich vielseitig einsetzbar wie viele Einfälle Bewusstsein auch gerade so viel Klassifikation geht Arbeitskollegen von mir die Arbeiten im Bereich Text meinen sehr stark das auch so für mich der Grund auf diesen also beim die ganzen die blonden hatten bisher mitzumachen die sind halt daran orientiert dass sie ihr Suchmaschinen optimieren wollen dass er die Suchmaschine auch ein Stück weit den Nutzer verstehen was er eigentlich für Anfrage hat das geht dann nachher noch ein bisschen weiter in Richtung Chat-Bots die Spracherkennung ist mittlerweile auch in 8 Jahren nicht mehr wegzudenken denn denken an Siri oder einer motzen da bin ich mittlerweile auch der erstaunlich Ergebnis erreicht auch was wenn es darum geht
Sprachen zu rekonstruieren mittlerweile fast gar nicht unterscheiden zwischen Menschen und Computer ist das geht dann schon bis in die Richtung vielleicht Arbeitsplätze wegrationalisieren avanciert vorstellen man könnte damit dann die ganzen Callcenter besetzen würde man sich eines sehr seltenen Kohle niemand der mir diesen beschissenen Job machen muss auf der einen Seite würdigte das natürlich Arbeitsplätze ja und einfällt was bei uns auch jetzt immer mehr so ankommt Energie Roche selbstfahrender Autos zum Beispiel Filme wie hier oder so die Samen der schon massig Daten mit allen Autos also die anderen Sensoren die alles mögliche an ihre Umwelt abtasten und da kann man natürlich auch mit neuronalen Netzen versuchen ja Objekte zu extrahieren und dann alles damit das Auto dann selbst fahren kann ja das ein hier Hans bringt es ist noch so ein ein witziges Beispiel hat man einfach ein neuronales Netz mit ganz vielen Drehbüchern von Science-Fiction Film gefüttert und das hat dann ein eigenes Drehbuch geschrieben was dann verfilmt wurde also können sie das Ziel Schwankung so kurzen Hals
ok ,komma zu dem zu in tolles wie das eigentlich funktioniert wie funktioniert und alles was ich auch ich wird damit jetzt nicht überfordern ich hab versuchte möglichst viele Animation einzubauen damit das jeder so halbwegs verstehen kann also stehen uns einfach mal so ein Netz mit 4 Schichten vor man hat immer am Anfang die 1. Schicht über die Import unsere Daten reingehen also die Daten des können Excel ein fehlende Frequenz seine Nutzer die Daten oder Daten immer irgendwie so aufbereiten dass eine generische
Ates Sonne Vektoren sind denen es in das Netz ein diese Input nicht die meist immer zwischen 0 1 ist einfach für die numerische Berechnung ist es ein bisschen leichter und am Ende die letzte Schicht ist mir die Autos schlichtes das kann es auch noch eine und ein oder mehrere das ist dann immer da zeigte dem Computer dann das wir solltest du am Ende extrahieren ist das so genannte Target es gibt und überwachte Algorithmen aber ja die Byrnes als hauptsächlich für überwacht werden wird es genutzt ok diverse einen letzten sind unsere Daten stecken in diesen Import Maronen und wenn Sie den Ronald mit ein Knoten aus diesem verschafft diesem versteckten wir ja miteinander verbunden so und alle diese ganzen kann in dem alle Gewichte wenn wir den Algorithmus starten weisen wie diesen kann völlig wir einem gerichtet zu und er die Werte in den Euro und die werden dann mit diesen ganzen Gewicht multipliziert und konnte den entsteht ein neuer Wert an Anwender neuen Schicht einen versteckten Knoten sei die Summe von von den ganzen Multiplikation und er in diesem versteckten nun steckt nun eine Aktivierung Funktion da gehen wir das Ergebnis rein und das eine so genannte Schwellwert Funktionen die wir dann ja werden mir gewiss sehr schnell errechnen ob das Neuron aktiviert werden soll es jetzt erst mal versucht sich weiß nicht ob man das irgendwie mit weißen Punkten darzustellen also das Ergebnis was wir von den ganzen Gewicht was Reinhold in einer Runde mit 7 zu beißen .punkt dargestellt und die Höhe das ist wird dann das Neuron aktiviert die zu mir zum Beispiel diese 3 aktiviert und Signal weiter in die nächste Schicht die anderen machen das auch aber das ist eigentlich vernachlässigbar durch diese Schwellwert Funktion so und beim nächsten Schritt geht es dann genau so weiter dann werden dort wieder Neuron aktiviert senden etwas weiter die ganzen kann sie natürlich dann auch entsprechend Aktivierung gewichtet bis man dann am Ende zum Schluss in der letzten Schicht ankommt und da hat man dann kriegt man auch mehr Ergebnis es raus und hat dann quasi Vektor mit seiner eigenen Sektor vergleichen kann wo das ist ganz in dem man sagt einfach Ihnen das was was ich das Haus bekommen habe so träge dass mit dem was ich erwartet habe und daraus kriech halten Fehler so und nun kann ich halte Ihnen sagen Kälte fehle es am Anfang wenn ich vorstellig hat einfach irgendwelche Gewicht Alicante macht dann wird der Fehler alle am Anfang super groß sein also die 1. kräftige CDs Iteration ist noch schickt völlig fehlt und unser Ziel ist es jetzt die bestmögliche Kombination an Kanten gewichten zu finden damit der Fehler der klassifikations Fehler oder Prognose so viel am Ende minimales und wenn nehmen mal die ganzen kann durch zählt was eine Anzahl an Kombination das was theoretisch möglich wäre es das eigentlich unmöglich zu berechnen also ist es genau wie beim Routing oder so wenn man dort sollen etwa den seltenen Problem hat und nicht 100 Kurden Daten die man im wo man die beste Verbindung finden will man kann sich dem Problem nur annähern kann ich alles durch prüfen und genau so ist es ja auch man verwendet das eine Strategie dass man sagt er man täglich in die an mittun voraus die optimale Lösung zu finden sondern man sagt wir versuchen uns mal minimal immer wieder ein bisschen zu verbessern man bildet also dieser mathematischen und bildete eine Ableitungen Gradienten und den versucht man halt immer weiter runter zu wandern bis man so Minimum angekommen ist ein Minimum Fehler die man Gemeinde errechnet hat man weiß nie ob das jetzt wirklich das absolute Minimum sein wird aber man hat eben versucht sich immer dem Stück für Stück anzunähern und dann dieser Stadt versteckt Annäherung die wird jedes Mal zurück propagiert durch das Netz als man fast alle Kranken immer wieder an alle Gerichte das dies dann wieder eine diese ganze Matrixmultiplikation jeder zwischen läuft das ist wirklich wenn man sich Martens Multiplikation stellt man annehmen dass jeder der in die Matte in der Nase hatte dass es gar nicht so viel Hokuspokus aber das alles zusammengenommen entzieht sich dann doch irgendwann so bisschen der eigenen Vorstellungskraft also wenn Fehler und eine nicht das alles zusammenkommt da noch mit dem gravierenden es für vorstellbar aber ungefähr so ist die Funktionsweise das ist eigentlich die das ist eigentlich das was wo alle sagen das christliche die aber immer wenn von der Zwist der dieses einig hat fast Mathematik also muss das Inzidenz
ok wie kann man Videodaten damit arbeiten also was geht zum Beispiel wo wir Daten genutzt werden wollen sind und er wie gesagt Bilderkennens eines darauf wird verwendeten beispiele oder ein ein Anwendungsszenarien oder kann man sich natürlich vorstellen wir Energie und dem auch haufenweise Bilder wären ganz super viele Satellitenbilder da konnte man das einfach einsetzen und es gibt ein paar Projekte die das gemacht haben es gibt der Rat hat das ist schon was älter da kann man den noch so Luftbild Kacheln klicken und dann werden einem ähnliche Luftbild Kacheln vorgeschlagen also man kann es für Berlin machen ich hatte jetzt einen Parkplatz Cache ausgewählt und der dem anderen Luftbild Ausschnitte gezeigt wo ebenfalls Parkplätze sind es könnte man so'n bisschen wenn man etwas größeres Satellitenbild hatten jetzt vielleicht eine in der geologischen Formen so sehr dass er so könnte man das als suchen nehmen es gibt noch 2
andere Projekte sich noch wundert es gibt die große ist auch immer noch relativ aktiv der geht es nicht darum also wenn jetzt die US-Ermittler und Dolchen Force India Kopf zusammenschlagen und denken oder es wird dafür gemacht und damit der Computer dann etwa nicht mehr nein das ist dafür gedacht um Fehler zu finden inzwischen den Daten die da sind und im Luftbild wenn vielleicht eine Straße nicht existiert oder noch nicht ja und noch nicht aufgenommen wurde noch nicht gewährt wurde das seien Fehler angemerkt werden die man dann also dass man als Mensch schneller die Möglichkeit hat zu sehen wo kann ich das berichtigen nannte das Beispiel von der Firma Orbital ist seit Jahren im gekuckt wie man mit den Füllstand von Öltanks messen kann und den jeweils die was die noch bei den entsprechen auch leben damit sie das Extrahieren können ok aber
es gibt nicht bei Netzen denn ein Algorithmus ist das gibt dann eine 8 Wochen verschiedene Algorithmen als wenn man sich damit ein bisschen auseinander setzt merkt man die feinen also doch diese die ganzen Unterschiede sind es denn wirklich völlig ohne eigenständige Algorithmen Anzeige relativ bekannt sind sind Konvolut schnell etwas ist es für 5 Minuten nach für den zu und und es gibt neuronale Netze die können nicht Sequenz von Werten lernen also die können haben quasi Gedächtnis Sie wissen wenn Sie an wenn es eine Schicht reingeht was vorher bewertet durchgegangen sind und da hab ich mir gedacht Mensch das wäre eigentlich interessant ob man sichere rekurrente letztendlich auch für Messreihen in Sensordaten nutzen könnte und wir haben uns Projekt halt Messreihen von vergessen sollen Dresden von Stationen vergessen sollen also ein Induktionsschleifen in Infrarotsensoren und da versuchte geht könnte man da nicht kurz was Prognosen entwickeln die sagen Ketzern wir dieses Muster an den den sein sollen gefunden dann wird in den nächsten 15 also immer Minuten 1 ein anderer wird an den Sensoren auftauchen das nur
mal so zum Versuchsaufbau das Blatt ein das was ich immer schon erwähnt hat dir mal den
Ergebnissen 1. Ergebnis was wir haben man kann erkennen die die Vorhersage von ohne Netz echten relativ gut es gibt einige Stellen kommst nicht ganz so viel mit dem eigentlichen Wert also dass die schwarze ging es heute richtig richtige wird aber wir treffen dass schon relativ gut und wir haben jetzt auch gar nicht über mation gegeben an welchem Wochentag oder welche Uhrzeit das Meer stattfindet und es konnte trotzdem von selbst in die erkennen dass man ein Wochenende ist oder ein Sonntag ist das zu stauen ist aber was sind Dinge die wir dabei gelernt haben ist immer wenn man mit die Dieben arbeitet er sollte wissen was unter Tagen ist sie sollte wissen was er eigentlich genau extrahieren wollte handelt es sich bei einem Problemen um die Klassifikation wollte in die am Ende 1 1 1 Eingangsdaten in bestimmte Klassen einteilen oder wollte eine Prognosen machen so wie in unserem Fall hier mal festgestellte verkehren Dresdens über regelmäßig und simplere wird mir Prognose mit hohen reichen wahrscheinlich vollkommen aus und ich habe oft schon die Frage gehört ist nicht ein interessanter statt dem den zukünftigen werden engen sein so einfach Stauch zusammen der sich auf Angst ist wahrscheinlich auch was dran aber da müsste man dann eben reingehen in den Datensatz noch mal die ganze Story und gucken da muss ich irgendwie Stau klassifizieren mein Boot haben und da fängt dann an wirklich anstrengt zu werden weil das dieses den Datensatz Enkel zu klassifizieren und zu also wenn man sah man das auch leben das kann sehr sehr viel Zeit kosten und er ist immer die Frage wie hoch sah man die Qualität der Aufbereitung gibt es ähnliche Standards mit dem wir das vergleichen können also können wir kann ich Ihnen einen Algorithmus Tiggemann entwickelt hat mit auf meine Daten loslassen und kann ich seine Ergebnisse damit mein vergleichen so dass ich weiß welche Prognose uns einig nicht besser ist und wie gut generalisiertes Modell eigentlich am Ende dass man spannende Frage also jetzt hab ich es funktioniert vielleicht super mit mein Testdaten in Dresden aber kann ich die Prognose auch in Berlin einsetzen wahrscheinlich nicht oder ein anderes gutes Beispiel ist wenn man ein selbstfahrendes Auto hat das super auf den deutschen Straßen fahren kann würde man sich damit dann in dieser Serpentinenstraßen Wagen vielleicht auch so sollte man vielleicht mit Vorsicht genießen also da müssen wir schon sehr genau hinsehen und da gibt es genügend Varianten mit Testdaten also das ist immer ein Beispiel aus der Text meiner mir mal sagen ist wenn wir versuchen selben oder so direkt in den Text zu extrahieren die man einfach mit ganz Text zur damit ganz viel belächelten Text und da kommt ein wurde in dem Buch
nur ein einziges Mal vor dann ist es sehr schwer dass der Algorithmus da wirklich robust funktionieren wird und das immer korrekt klassifiziert wird das sogenannte pro noch also man hat er ganz viele vielleicht ist und unser Fall ganz viele nicht Staus oder nur ganz ganz wenig draußen es wird
dann als schwerer zu klassifizieren und eine Frage die nach die dann sind viele Wissenschaft in dem Bereich auch immer klagt ist wo bekommt eigentlich mehr Daten her es Amundsen schönes Aufbereitungs Fahrt überlegt aber sie haben Ende nicht genug Daten und er Liebe ist ein ich aus und wurde in gutes Argument für einen Argument für bitte älter also wir brauchen wird man beim hoffen die bläulichen wirklich Massen an Daten an Trainingsdaten damit man wirklich einen tollen Phonds den Algorithmus hat und dann oft hat man es sind
eben nicht so ich werde es wahrscheinlich keine Zeit haben die ganzen verfällt immer noch vorzustellen also wie kann man anfangen es ist zum Glück in den letzten 2 Jahren einiges bisher noch einige weitere vermehrt veröffentlicht worden mit dem man also bis Anfang kamen dessen Ruhm zu spielen aber auch dass es tatsächlich so dass sich Programmierung von solchen sondern Netzen die das man euch die immer schon ab also die Bibel und Implementierung an von diesem kommen müssen etwas erkoren hat Netzwerken das Zusammenbauen es relativ einfach vor mir und das ist wirklich nicht viel Zeilen Kurt 80 Prozent der Zeit sehr einig mit Datenaufbereitung beschäftigt vielleicht noch mehr also das ein bisschen zu sehr wenn man Bank am Anfang so ich noch etwas Cooles machen es ist das 7. die planen und dann ist mir ich hauptsächlich mit Daten umher schwirrenden summieren beschäftigt das gibt sicherlich an vielen kann 1 mit dem ich angefangen habe das ist wirklich ein sehr simples verloren und Fleiß und leider etwas billig gemachtes Buch welche Union Network ist aber wirklich sehr einfach geschrieben man kann sehr gut nachvollziehen dass ist Teil sich einen anhaltenden Theorieteil eine und die andere Hälfte sind praktischer breiten Teil wo man noch 1 dazu mit Preisen nach programmieren kann also wirklich das verstehe ich die meisten das ist auch mathematisch sowieso so erklärt dass man sich da gut rein findet Western ein bisschen von dir dann möchte da gibt auch zahlreiche Bücher ich glaub dass ich würde sagen mit das beste ist eigentlich die Planen von gut für nur wenig ankurbeln das doch relativ mächtig ist also das hat auch in der letzten Jahres erschien ein Kurs immer wieder empfohlen wird immer machen kann online ist es den um eine zu bekommen und es geht noch sondern zur Spielwiese von TensorFlow in Google vermag wo man sehen kann man kann da aus 4 verschiedenen Wirkung kann man den Mauszeiger und kann nicht erkennen also man
kann hier raus verschiedene 4 verschiedene Testbilder auswählen und kann einfach ein bisschen länger hinzufügen ein Netzwerk und Neuronen zufügen kann und für sie wie das Netzwerk in drin arbeitet das ist einer 1. Blackbox fort sondern also neuronales Netz aber man kann das von Versuchen so'n bisschen nachzuvollziehen und anderes witziges witzige dem muss die Traffic hat mein Sohn sein eigenes und sein eigenes Auto was über Autobahn fährt und es gibt andere Autos Kanalinseln gelesen Editor die Parameter oder nichts ändern immer Kanonen zu vielen Schichten zu vielen Aktivierungs Funktion ändern und dann entsprechend sieht man dann wie das Auto sich anders verhält als den den tendiert dazu noch eine Spur zu bleiben oder immer als überholen zu einig auch kann so witzige Spielzeug ok
ja die vermag es gibt es gibt viele ist hauptsächlich für viele in der Computer mischen weitverbreitet tja muss schon relativ
alt also vermehrt für neuronale Netze es ist ein bisschen so dass Theano Grad ein bisschen ja ins Hintertreffen gerät im Gegensatze es kommt der von Google weiter an und der Bus noch relativ Lola will aber es gibt mittlerweile auch bewältigen die kehre erst die das in den Nutzen noch ein bisschen einfacher machen also der und der Themse Vorarbeit noch deklarativ so bisschen sowie SQL noch deklarativ ist wer lieber Imperativ arbeiten möchte der gibt es Teutsch Tor ist allerdings da muss man nur programmieren wer das nicht mag der kann altdeutschen nutzen kann abhalten nutzen es aber nicht so umfangreich wie TensorFlow und wenn er abermals die die Planung solche was immer die kleinen folgte auf jeden Fall vorher muss die Dokumentation dies wirklich grandios also der so viel Theorie beschrieben und man muss auch nicht unbedingt das zu benutzen aber man findet dort sehr viel hilfreiche Erklärungen zu den Werkzeugen so dann noch ein
ein ein paar andere Folien und der ich hoffentlich noch hält eine extrem dafür für das Fazit also die kleinen ist er liefert erstaunlich gute Ergebnisse wenn man sehr sehr viel Phase der da hat ich weiß nicht wie viele das von euch von sich behaupten kann dass sie wirklich super viele Bilddaten besitzen also die SIA auswerten lassen können dann sollte man sich für die diesmal sich ansehen und gucken ob ob es eine Möglichkeit wäre allerdings muss man auch gucken dass man vielleicht wenn man keinen eigenen Mathematiker und sein Team hat oder keine Erfahrungen der das sein sie doch schnell die Grenzen der Vorstellungskraft erreicht und man wenn man ein Ergebnis hat mag man vielleicht doch dass man sie nicht dazu super interpretieren kann dann muss man ein bisschen aufpassen und also nicht so dass man sich zu sehr auf das neuronale Netz verlassen sollte es gibt doch schon Veröffentlichung die sagen ok neuronales Netz lässt noch relativ leicht manipulieren indem mit im Boot da die Testdaten die reinkommen also bisschen leicht verändern vielleicht auch so unterliegen wird einfach ein bisschen so viel darüber legen und so noch einmal schließlich geht es nur um das schon was ganz anderes es ist dieser kein Allheilmittel und man sollte mal gucken es gibt klassische Methoden die vielleicht auch genauso gut funktionieren und für auf weniger Energiekosten als neuronales Netz und ja wir oder Ärzte einsetzt am besten er hat gute Grafikkarten dass mir dem liebsten weil darauf numerische Berechnung so sind und ja das was wir planen ist immer gespannt was Fragen gibt
3
der ja am besten Dank für den lehrreichen oder unterhaltsamen Vortrag für das sitzt einer sie sofort Regierungen gerne doppelt so viel Zeit gehabt hätte geführt nicht mehr vorhanden ist weiß er nicht ganz kurz Einzelfragen aber dann müssen er wegging Pause wäre im ja noch und vielen Dank für den Vortrag der Frage zu äußern Verkehrsdaten einer lösen kannst so noch mal klären mit welchen du da gearbeitet hat und wie es in den Trainingsdaten gemacht oder so das lebe legen gleich an 2 Worte nochmal dazu er in dem Fall wir uns das Ganze sicher nicht gespart gesagt wir wollen so schnell wie möglich rein und einfach nur unsere Messreihen wenn man wirklich nur einen Wert genommen sich bewegt die Belegung einer ein Einsatz und Induktionsschleifen dann haben Sie einfach in einer weckt damals gesagt hat dass man deren sonnigen Zeitstempel hatte und eine Zeile war dann ein Import und ja es ist überhaupt nicht geredet habe ich keine weiteren Kinder nicht gut gemacht oder so die Ziele wir können ich bin damit sofern die USA und hab dann ja Mehr dudelt übergeben damit alles mit rechten Dingen zu dir geht das Wichtigste ist einfach dass man ja auf bestehende Netze aufbauen kann und nicht Ärzte bei 0 anfangen muss mit seine Lehren mehr hatte das auch gemacht in den zuvor und so dass der Trick ist daher dass man der Kuchen oder andere Rechte lässt und und dann darauf aufbaut dann das ist dann der große Schritt dass man sich von nun weg werden muss also da Erfahrungen gemacht bei der Wiederverwendung bestehender Netze also wir haben halt nur unsere eigenen Netze dieses hatte es weil mir nicht so viele Trainingsdaten in 1. Anläufen verwendet haben hat es auch von der Modellen nicht so lange dauert und die speichern sprechen wir weg und wir werden sie wieder das ist gerade weil wir würden auch die Behörden vor der da kann es schon mal auch Tage dauern bis man so jetzt regiert hat und dass man sollte man sich wieder dann aber wären keine externe vorgefertigten da genommen ja wirklich gut dann bedank ich nochmal Felix unter der entlasse ich in die Mittagspause
Besprechung/Interview
Künstliche Intelligenz
Vorlesung/Konferenz
Mustererkennung
Computeranimation
Mustererkennung
Computeranimation
PostgreSQL
Fokalpunkt
Mustererkennung
Computeranimation
Software
PostgreSQL
Prognose
Software
Fokalpunkt
Computeranimation
Neuronales Netz
Richtung
Internet
Große Vereinheitlichung
Matrizenmultiplikation
Verkantung
Aktion <Informatik>
Tiefe
SYNAPSE <Computer>
Abbildung <Physik>
Reihe
Tiefe
Künstliche Intelligenz
Maschinelles Lernen
Computeranimation
Algorithmus
iPhone
GNU <Software>
Hausinternes Netz
Implikation
Diskrepanz
Google
Funktion <Mathematik>
Neuronales Netz
Call Center
Übersetzer <Informatik>
Text Mining
Graphikkarte
Bilderkennung
Computeranimation
Richtung
Energie
Suchmaschine
AMOS <Software>
Bilderkennung
ART-Netz
Schwankung
Neuronales Netz
Google
Punkt
Gewicht <Mathematik>
Matrizenmultiplikation
Iteration
Kante
Inzidenzalgebra
Computeranimation
Gradient
Multiplikation
Prognose
Algorithmus
Numerisches Verfahren
Minimum
Ableitung <Topologie>
Funktion <Mathematik>
Verkantung
Mathematik
Routing
Frequenz
ATES
Ein-Ausgabe
Frequenz
Summe
Ein-Ausgabe
Anwendungssoftware
Vektor <Datentyp>
Rundung
Höhe
Minimum
Pixel
EXCEL
Videodat
Bildschirmmaske
DOS
Energie
Caching
Ähnlichkeitsgeometrie
Bilderkennung
Computeranimation
Prognose
Algorithmus
Numerisches Gitter
Prognostik
Algorithmus
Computeranimation
Implementierung
VAMOS
Neuronales Netz
Prognose
Objektklasse
Testdaten
Varianz
Testdaten
Extrempunkt
Computeranimation
Gesetz <Physik>
Datensatz
Prognostik
Datensatz
Prognose
Algorithmus
Ein-Ausgabe
Standardabweichung
Datenaufbereitung
Ebene
Algorithmus
Prognose
Datennetz
make
Konfigurationsraum
Implementierung
Varianz
Testdaten
Computeranimation
Gesetz <Physik>
Datensatz
Open Source
Numerisches Gitter
Algorithmus
Optimierung
Modallogik
Parametersystem
Datennetz
make
Blackbox
Systemplattform
Gibbs-Verteilung
Spur <Datentechnik>
Editor
Ubuntu <Programm>
WINDOWS <Programm>
Computeranimation
Open Source
Software
Fokalpunkt
Maschinelles Sehen
Neuronales Netz
Datenbus
SPARK <Programmiersprache>
GRADE
Text Mining
Systemplattform
Twitter <Softwareplattform>
Ubuntu <Programm>
Optimierung
WINDOWS <Programm>
Computeranimation
LINUX
CLI
Software
Code
Tensor
Fokalpunkt
Facebook
Maschinelles Sehen
Datenfluss
Apache <Programm>
Benutzerführung
Google
Neuronales Netz
Mathematiker
Numerisches Verfahren
Testdaten
Fuzzy-Logik
Mathematiker
Punktwolke
Graphikkarte
Computeranimation
Neuronales Netz
Informationsmodellierung
Besprechung/Interview
Wort <Informatik>
Zeitstempel

Metadaten

Formale Metadaten

Titel Mit Deep Learning raum-zeitliche Muster erkennen und voraussagen
Serientitel FOSSGIS-Konferenz 2017: Passau 22. - 25. März 2017
Autor Kunde, Felix
Lizenz CC-Namensnennung 3.0 Deutschland:
Sie dürfen das Werk bzw. den Inhalt zu jedem legalen Zweck nutzen, verändern und in unveränderter oder veränderter Form vervielfältigen, verbreiten und öffentlich zugänglich machen, sofern Sie den Namen des Autors/Rechteinhabers in der von ihm festgelegten Weise nennen.
DOI 10.5446/30537
Herausgeber CCC VOC
FOSSGIS e.V.
Erscheinungsjahr 2017
Sprache Deutsch

Inhaltliche Metadaten

Fachgebiet Informatik
Abstract Die Begriffe Deep Learning und künstliche Intelligenz sind gerade in aller Munde und werden als einer der größten derzeitigen Trends für die GIS-Branche gesehen. Dabei ist die Theorie dahinter schon mehrere Jahrzehnte alt und hat bereits mehrere Hype-Zyklen durchlebt. Die aktuelle Popularität von neuronalen Netzen, welche sich eigentlich hinter Deep Learning verstecken, hat mehrere Gründe: 1. Viele Rechner im Consumer-Bereich sind mittlerweile in der Lage die komplexen Algorithmen zu verarbeiten, 2. Ob Big Data, Open Data, Data Science oder Data Viz – es gibt ein stark gestiegenes Bewusstsein für den Wert von Daten. In vielen Domänen wachsen die Datentöpfe mit dem Versprechen maschinelles Lernen werde uns neue Erkenntnisse liefern und uns Arbeit abnehmen. 3. Mittlerweile existieren mehrere Open-Source-Frameworks, die den Einstieg in Deep Learning so leicht wie nie machen. In dem Vortrag sollen einige freie Projekte vorgestellt werden, in denen Deep Learning Methoden auf Geodaten angewandt werden. Anhand eines Beispiels aus einem laufenden Forschungsprojektes soll gezeigt werden, wie der GIS-Laie trotz der komplizierten Theorie hinter den neuronalen Netzen einen Einstieg in die Welt der künstlichen Intelligenz finden kann.
Schlagwörter Freie Software

Zugehöriges Material

Ähnliche Filme

Loading...