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)
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
