SlideShare ist ein Scribd-Unternehmen logo
1 von 45
Downloaden Sie, um offline zu lesen
Wie Maschinen
Lernen
Ein Überblick
Dr. Christian Wiele
@christian_wiele
©2017 gezeitenraum
Was ist Machine Learning?
2
©2017 gezeitenraum
Machine Learning ist die
vorherrschende Disziplin im
Bereich Künstliche
Intelligenz (KI)/
artificial Intelligence (AI)
3
©2017 gezeitenraum
Machine Learning
=
autonomes Muster lernen und
Erkennen
4
Begriffsklärung
©2017 gezeitenraum 5
Datenquelle
DatenPool
Wertschöpfung
z.B. IoT
„Big Data“
z.B. Machine Learning
Deep Learning
Spez. Ansatz
©2017 gezeitenraum
Warum sollten sie sich mit
Machine Learning
beschäftigen?
6
Anwendungsgebiete
©2017 gezeitenraum
Bilderkennung
➡z.B. autonomes Fahren, Krebsdiagnose
Spracherkennung
➡z.B. Siri
Natural language processing (NLP)
➡maschinelle Übersetzung, Chat Bots
Generelle Muster
➡Click Stream Analyse, Betrugserkennung, Cybersicherheit,
Empfehlungssysteme
7
Ist ML mehr als ein hype?
©2017 gezeitenraum 8
KI könnte vorbei sein, bevor es beginnt
©2017 gezeitenraum 9
http://www.techzone360.com/topics/techzone/articles/2017/01/25/429101-eus-right-explanation-harmful-restriction-artificial-intelligence.htm
©2017 gezeitenraum
95% aller Entwicklertools,
Modelle und Lernmaterialien
sind frei zugänglich
GPU für 1€/h mietbar
10
©2017 gezeitenraum
Was hindert uns an der
Beschäftigung mit Machine
Learning?
11
©2017 gezeitenraum
Mathe
Englisch
12
Öffentliche Wahrnehmung von KI
©2017 gezeitenraum 13
©2017 gezeitenraum
Werden wir bald von
übermenschlichen Maschinen
dominiert?
14
©2017 gezeitenraum
Es gibt keinerlei Hinweise,
dass wir uns bald der
Singularität nähern!
15
©2017 gezeitenraum
Es gibt weder ein Verständnis
des menschlichen
Bewusstseins, noch eine
feste Definition von
Intelligenz.
16
Zwei Argumente
©2017 gezeitenraum
Quelle: Wikipedia
17
Zwei Argumente (cont.)
©2017 gezeitenraum 18
Machine Learning: Verständnis
©2017 gezeitenraum 19
ML als
black box
anwenden
verstehen Forschung
©2017 gezeitenraum
Nun aber: Worum geht es beim
Machine learning?
20
zentrale Herausforderung
©2017 gezeitenraum 21
Worin
Menschen
gut sind
Worin
Maschinen
gut sind
(73492.232 +
2049.3827) *
883792.45
Lernansätze
©2017 gezeitenraum 22
überwachtes Lernen nicht-überwachtes Lernen
Banane
Traube
Banane
X
X
X
X
X
X
X
X
X
X
X
X X
X
X
X X
X
X
X
X X
XX
X
X
X
AIpoly
©2017 gezeitenraum 23
©2017 gezeitenraum
Wie funktioniert es?
24
Klassischer Programmieransatz
©2017 gezeitenraum 25
If (pixel1 == … And Pixel2 == …)
Then …
Else IF …
Die Fruchtfliege des ML: MNIST
©2017 gezeitenraum 26
55.000 handgeschriebene Ziffern 28x28 pixel
Alternativansatz: Lochmaske
©2017 gezeitenraum 27
Input Lochmaske Überdeckung
Neuronales Netz: Ziffernerkennung
©2017 gezeitenraum 28
Input
1
2
3
4
5
6
7
8
9
0
Outputneuronen
2
3
4
5
6
7
8
9
10
1
12
2
3
17
18
1
25
24
………
…
…
verdeckte Neuronen
Output
Künstliches Neuron: Innenansicht
©2017 gezeitenraum 29
Logik:
Ergebnis = eine Zahl
Output:
1 = aktiviert
0 = nicht aktiviert
Neuronales Netz: Ziffernerkennung
©2017 gezeitenraum 30
Input
1
2
3
4
5
6
7
8
9
0
Outputneuronen
2
3
4
5
6
7
8
9
10
1
12
2
3
17
18
1
25
24
………
…
…
verdeckte Neuronen
Output
Aktivierung
©2017 gezeitenraum 31
verdecktes Neuron 12:
rot überwiegt —> feuern
Input Maske / Gewichte gewichteter Input
verdecktes Neuron 13:
blau dominiert —> nicht feuern
=X
=X
Neuronales Netz: Ziffernerkennung
©2017 gezeitenraum 32
Input
Output-Neuronen
1
2
3
4
5
6
7
8
9
0
2
3
4
5
6
7
8
9
10
1
…
12
2
3
17
18
1
25
24
………
…
Innere-Neuronen
Output
Relevante Pixelstrukturen
©2017 gezeitenraum 33
Neuron 12 Neuron 18 Neuron 25
©2017 gezeitenraum
Wie lernt das System?
34
Lernprozess
©2017 gezeitenraum 35
Ziel: Fehler minimieren
©2017 gezeitenraum 36
Fehler
{Parameter 1
Parameter 2
Neuronales Netz: Lernprozess
©2017 gezeitenraum 37
Input
Output-Neuronen
2
3
4
5
6
7
8
9
10
1
12
2
3
17
18
1
25
24
………
…
…
Innere-Neuronen
Output
1
2
3
4
5
6
7
8
9
0
Fehler
Fehler
Fehler
kleine Änderung
der Parameter
©2017 gezeitenraum
Welche Probleme / Risiken
gibt es bei ML-Systemen?
38
Risiken
©2017 gezeitenraum
➡Eine ML System kennt nur das, was es gelernt hat
➡Getroffene Entscheidungen können nicht / nur schwer
nachvollzogen werden
➡Es können Zusammenhänge/Muster aufgedeckt/genutzt
werden, die aus ethischer / gesellschaftlicher Sicht nicht
ausgenutzt werden sollten
39
©2017 gezeitenraum
Wo fängt man am besten an?
40
©2017 gezeitenraum 41
https://www.coursera.org/learn/machine-learning/
fast.ai
©2017 gezeitenraum 42
http://fast.ai
Toolset
©2017 gezeitenraum
Python
➡Theano, Tensorflow, Keras, NumPy, PyTorch …
➡Jupyter notebook
Lineare Algebra
Zugang zu GPU
➡AWS, Google, oder eigene Maschine …
Zeit und Motivation für Experimente
43
Der machine learning experte
©2017 gezeitenraum 44
Geschafft
©2016 gezeitenraum 45
Vielen Dank!
Dr. Christian Wiele
christian@gezeitenraum.com
@christian_wiele
@gezeitenraum

Weitere ähnliche Inhalte

Ähnlich wie Wie Maschinen lernen - Ein Überblick

Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)Praxistage
 
AI Vortrag Leuphana Universität Lüneburg
AI Vortrag Leuphana Universität LüneburgAI Vortrag Leuphana Universität Lüneburg
AI Vortrag Leuphana Universität Lüneburgaconris
 
Mittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewMittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewWeissmanGruppe
 
Lernen der Zukunft
Lernen der ZukunftLernen der Zukunft
Lernen der ZukunftJochen Robes
 
Künstliche intelligenz in der Organisation - Change Congress 2017
Künstliche intelligenz in der Organisation - Change Congress 2017Künstliche intelligenz in der Organisation - Change Congress 2017
Künstliche intelligenz in der Organisation - Change Congress 2017Patrick Bartl
 
Social Messaging Presentation Twittwoch Köln
Social Messaging Presentation Twittwoch KölnSocial Messaging Presentation Twittwoch Köln
Social Messaging Presentation Twittwoch KölnJoachim Lindner
 
TinyML – Machine Learning für eingebettete Systeme
TinyML – Machine Learning für eingebettete SystemeTinyML – Machine Learning für eingebettete Systeme
TinyML – Machine Learning für eingebettete SystemeJens Siebert
 
Programmieren kinderleicht gemacht: Einblicke in das spielerische und erlebni...
Programmieren kinderleicht gemacht: Einblicke in das spielerische und erlebni...Programmieren kinderleicht gemacht: Einblicke in das spielerische und erlebni...
Programmieren kinderleicht gemacht: Einblicke in das spielerische und erlebni...Jürg Stuker
 
Reinhard Willfort: Crowdsourcing + Crowdinvesting = InnovationsTurbo
Reinhard Willfort: Crowdsourcing + Crowdinvesting = InnovationsTurboReinhard Willfort: Crowdsourcing + Crowdinvesting = InnovationsTurbo
Reinhard Willfort: Crowdsourcing + Crowdinvesting = InnovationsTurboSemantic Web Company
 

Ähnlich wie Wie Maschinen lernen - Ein Überblick (9)

Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
Dr. Clemens Wagner-Bruschek, ERP (d-fine Austria)
 
AI Vortrag Leuphana Universität Lüneburg
AI Vortrag Leuphana Universität LüneburgAI Vortrag Leuphana Universität Lüneburg
AI Vortrag Leuphana Universität Lüneburg
 
Mittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of ViewMittelstand trifft künstliche Intelligenz - Point of View
Mittelstand trifft künstliche Intelligenz - Point of View
 
Lernen der Zukunft
Lernen der ZukunftLernen der Zukunft
Lernen der Zukunft
 
Künstliche intelligenz in der Organisation - Change Congress 2017
Künstliche intelligenz in der Organisation - Change Congress 2017Künstliche intelligenz in der Organisation - Change Congress 2017
Künstliche intelligenz in der Organisation - Change Congress 2017
 
Social Messaging Presentation Twittwoch Köln
Social Messaging Presentation Twittwoch KölnSocial Messaging Presentation Twittwoch Köln
Social Messaging Presentation Twittwoch Köln
 
TinyML – Machine Learning für eingebettete Systeme
TinyML – Machine Learning für eingebettete SystemeTinyML – Machine Learning für eingebettete Systeme
TinyML – Machine Learning für eingebettete Systeme
 
Programmieren kinderleicht gemacht: Einblicke in das spielerische und erlebni...
Programmieren kinderleicht gemacht: Einblicke in das spielerische und erlebni...Programmieren kinderleicht gemacht: Einblicke in das spielerische und erlebni...
Programmieren kinderleicht gemacht: Einblicke in das spielerische und erlebni...
 
Reinhard Willfort: Crowdsourcing + Crowdinvesting = InnovationsTurbo
Reinhard Willfort: Crowdsourcing + Crowdinvesting = InnovationsTurboReinhard Willfort: Crowdsourcing + Crowdinvesting = InnovationsTurbo
Reinhard Willfort: Crowdsourcing + Crowdinvesting = InnovationsTurbo
 

Mehr von gezeitenraum gbr

Machine Learning - What it is and why you should care
Machine Learning - What it is and why you should careMachine Learning - What it is and why you should care
Machine Learning - What it is and why you should caregezeitenraum gbr
 
Design Thinking - Die zentrale Herausforderung bei der Digitalisierung von Or...
Design Thinking - Die zentrale Herausforderung bei der Digitalisierung von Or...Design Thinking - Die zentrale Herausforderung bei der Digitalisierung von Or...
Design Thinking - Die zentrale Herausforderung bei der Digitalisierung von Or...gezeitenraum gbr
 
Design Thinking - The best way to kill your brilliant idea
Design Thinking - The best way to kill your brilliant ideaDesign Thinking - The best way to kill your brilliant idea
Design Thinking - The best way to kill your brilliant ideagezeitenraum gbr
 
Vortrag Objektspektrum Information Days 20. April 2016
Vortrag Objektspektrum Information Days 20. April 2016Vortrag Objektspektrum Information Days 20. April 2016
Vortrag Objektspektrum Information Days 20. April 2016gezeitenraum gbr
 
Design Thinking - Arbeitsform für den Wandel
Design Thinking - Arbeitsform für den WandelDesign Thinking - Arbeitsform für den Wandel
Design Thinking - Arbeitsform für den Wandelgezeitenraum gbr
 
Physik, Perspektivwechsel & Empathie - Impuls Innovation Camp Schleswig-Holst...
Physik, Perspektivwechsel & Empathie - Impuls Innovation Camp Schleswig-Holst...Physik, Perspektivwechsel & Empathie - Impuls Innovation Camp Schleswig-Holst...
Physik, Perspektivwechsel & Empathie - Impuls Innovation Camp Schleswig-Holst...gezeitenraum gbr
 
Lerntrends, Empathie und die Sache mit der Nerf Pistole - Ein Praxisbeispiel
Lerntrends, Empathie und die Sache mit der Nerf Pistole - Ein PraxisbeispielLerntrends, Empathie und die Sache mit der Nerf Pistole - Ein Praxisbeispiel
Lerntrends, Empathie und die Sache mit der Nerf Pistole - Ein Praxisbeispielgezeitenraum gbr
 
Wie können Lernerfahrungen gestaltet werden?
Wie können Lernerfahrungen gestaltet werden?Wie können Lernerfahrungen gestaltet werden?
Wie können Lernerfahrungen gestaltet werden?gezeitenraum gbr
 
design thinking - das kleingedruckte
design thinking - das kleingedrucktedesign thinking - das kleingedruckte
design thinking - das kleingedrucktegezeitenraum gbr
 
design thinking - ein überblick
design thinking - ein überblickdesign thinking - ein überblick
design thinking - ein überblickgezeitenraum gbr
 

Mehr von gezeitenraum gbr (12)

Machine Learning - What it is and why you should care
Machine Learning - What it is and why you should careMachine Learning - What it is and why you should care
Machine Learning - What it is and why you should care
 
Landlust
LandlustLandlust
Landlust
 
Machine Learning
Machine LearningMachine Learning
Machine Learning
 
Design Thinking - Die zentrale Herausforderung bei der Digitalisierung von Or...
Design Thinking - Die zentrale Herausforderung bei der Digitalisierung von Or...Design Thinking - Die zentrale Herausforderung bei der Digitalisierung von Or...
Design Thinking - Die zentrale Herausforderung bei der Digitalisierung von Or...
 
Design Thinking - The best way to kill your brilliant idea
Design Thinking - The best way to kill your brilliant ideaDesign Thinking - The best way to kill your brilliant idea
Design Thinking - The best way to kill your brilliant idea
 
Vortrag Objektspektrum Information Days 20. April 2016
Vortrag Objektspektrum Information Days 20. April 2016Vortrag Objektspektrum Information Days 20. April 2016
Vortrag Objektspektrum Information Days 20. April 2016
 
Design Thinking - Arbeitsform für den Wandel
Design Thinking - Arbeitsform für den WandelDesign Thinking - Arbeitsform für den Wandel
Design Thinking - Arbeitsform für den Wandel
 
Physik, Perspektivwechsel & Empathie - Impuls Innovation Camp Schleswig-Holst...
Physik, Perspektivwechsel & Empathie - Impuls Innovation Camp Schleswig-Holst...Physik, Perspektivwechsel & Empathie - Impuls Innovation Camp Schleswig-Holst...
Physik, Perspektivwechsel & Empathie - Impuls Innovation Camp Schleswig-Holst...
 
Lerntrends, Empathie und die Sache mit der Nerf Pistole - Ein Praxisbeispiel
Lerntrends, Empathie und die Sache mit der Nerf Pistole - Ein PraxisbeispielLerntrends, Empathie und die Sache mit der Nerf Pistole - Ein Praxisbeispiel
Lerntrends, Empathie und die Sache mit der Nerf Pistole - Ein Praxisbeispiel
 
Wie können Lernerfahrungen gestaltet werden?
Wie können Lernerfahrungen gestaltet werden?Wie können Lernerfahrungen gestaltet werden?
Wie können Lernerfahrungen gestaltet werden?
 
design thinking - das kleingedruckte
design thinking - das kleingedrucktedesign thinking - das kleingedruckte
design thinking - das kleingedruckte
 
design thinking - ein überblick
design thinking - ein überblickdesign thinking - ein überblick
design thinking - ein überblick
 

Wie Maschinen lernen - Ein Überblick