Machine Learning Kurs CdV – Materialien

Abb.: Sophia Sanner

Kanäle für Fragen und Anmerkungen:

SMS / Telegram / WhatsApp 0157 30 32 44 92

E-Mail mail@pitnoack.de

twitter Direktnachricht @maschinennah

Ablaufplan und Materialen

1. Begrüßung und Einführung

  • Worum geht’s? Motivationen, Ziele und Ablauf des Kurses
  • Kurze Vorstellungsrunde: Interessen, berufliche Hintergründe, Vorkenntnisse
  • Künstlichen Intelligenz – eine ganz kurze Einführung:
  • Eine naheliegende Idee
  • Der Begriff des Modells
  • Theorie vs. Trial and Error
  • Das Black Box Problem
  • Der heilige Gral: Allgemeine künstliche Intelligenz

2. Crashkurs Python und Jupyter

Notebook 2_1 – Python Grundlagen

Notebook 2_2 – Numpy und PyPlot

3. Ein handgestricktes künstliches Neuronales Netz

Notebook 3_1 – Handgestricktes KNN

4. Praxisbeispiel: Zeichen erkennen mit einem dichten KNN

Notebook 4_1 – Zeichen erkennen I

Notebook 4_2 – Zeichen erkennen I mit Visualisierung

5. Praxisbeispiel: Bilder erkennen mit einem dichten KNN

Notebook 5_1 Bilder erkennen I

6. Zusammenfassung und Diskussion

  • Welche Probleme lassen sich mit überwachtem Lernen grundsätzlich lösen?
  • Aus welchen Arbeitsschritten besteht die Entwicklung eines konkreten Modells?
  • Welche Arten von Schichten haben wir kennengelernt?

7. Faltungsnetze

Notebook 7_1 – Was ist ein Faltungsnetz

8. Praxisbeispiel: Bilder erkennen mit einem gefalteten KNN

Notebook 8_1 – Bilder erkennen II


9. Hardwarebeschleunigung mit Tensor Processing Units

Notebook 9_1 – TPU nutzen

10. Trainingsdaten variieren

Notebook 10_01 – Dropout

11. Praxisbeispiel: Bilder erkennen mit einem gefalteten KNN, Dropout-Schichten und TPU

12. Autoencoder

Autoencoder Beispiel

13. Was gibt es noch?

  • Verarbeitung von Audio und Text
  • Rekurrente und LSTM Netze
  • GAN
  • Style Transfer

14. Diskussion und Schluß

  • Was haben wir gelernt?
  • Was haben wir nicht verstanden?
  • Was wollen wir als nächstes lernen?

Extras

Glossar

Links

Visualisierung eines Faltungsnetzes

Artbreeder

Seite zum Buch „The Artist in the Machine“

Coding da Vinci

 

Dank

Dieser Kurs wurde und wird im Rahmen des Projektes Coding da Vinci entwickelt und ist eine Kooperation zwischen Coding da Vinci, dem Kulturzentrum Pavillon und dem Bildungsverein Hannover.

Dank gilt der Stiftung Niedersachsen für die großzügige Unterstützung sowie: Beate Gonitzki, Marcus Munzlinger, Pina Merkert, Lambert Heller, Marcel Nema, Jonas Rahm, Sophia Sanner.