Praktisches

Deep Learning

mit TensorFlow

@moseroli

20% Zeit

  • Weiterbildung
  • eigene Projekte
  • ...

Man lernt einfacher,
wenn man versucht Projekte umzusetzen.

Andere Kurse ...

  • es gibt viele gute Kurse, keine Frage!
  • oft eher theoretisch / akademisch
  • vorgefertigte Datasets (z.B. MNIST)

... dieser Kurs

  • Schwerpunkt auf "praktisch".
  • mit eigenen Daten
  • Ziel: eigenes ML Projekt umgesetzt.
    AI Detector ist "deployed".

Das ist ein "Hauptproblem" im Machine Learning!

Let's solve a real real-world problem!

DISH-O-TRON
ALARM

Für wen?

  • Grundkenntnisse in Python
  • keine ML Vorkenntnisse nötig
  • Erfahrungen sammeln
  • damit in der Lage sein,
    eigene Ideen zu entwickeln
  • verstehen was "KI" heute kann
    (und was nicht)

   Kurs Teil 1 (Daten)

Daten sammeln

Daten vorverarbeiten /
Data Augmentation

<- NOT_CLEAN!

Daten labeln

eigenes Dataset

Kurs Teil 2 (Training)

Image Classifier trainieren

Daten

(Pixel)

Modell
(Funktion / CNN / neuronales Netz)

Training

1 ->

2 ->

Label

\text{net}_{j} = \sum^{n}_{i=1} x_{i} w_{ij} \\ o_{j} = \varphi(\text{net}_{j} - \theta_j)

f(        ) = 2 (81%)

Prediction

Kurs Teil 3 (Verstehen)

Modell / Training analysieren / interpretieren

Lernen wir das Richtige?

+ stark komprimierte theoretische Grundlagen

Können wir das messen?

Kurs Teil 4 (Deployen)

Raspberry Pi Zero

TensorFlow.js (Browser)

Google

AIY Kit

(ca. 50 EUR)

(ca. 80 EUR)

(keine extra Kosten)

+ Vergleich weitere Hardware (coral, nano, ...)

Ziel

Modell deployed

System generiert Alarm

(blinkt, piepst, E-Mail, slack ...)

... let's go.

Praktisches Deep Learning mit TensorFlow

By Oliver Moser

Praktisches Deep Learning mit TensorFlow

  • 34
Loading comments...

More from Oliver Moser