Sigrid Keydana auf der ML Conference 2017

Die Mathematik hinter Deep Learning: Eine praktische Einführung für Entwickler

Redaktion JAXenter

Deep Learning beruht auf mathematischen Formeln. Die muss man natürlich nicht im Detail beherrschen, um mit den Tools arbeiten zu können. Ein bisschen Grundwissen hilft aber doch dabei, den eigenen Code besser zu verstehen und kluge Systeme zu bauen.

Sigrid Keydana (Trivadis) sprach auf der ML Conference 2017 über die mathematische Basis des maschinellen Lernens: Matrizen, Algebra und Analysis. Wie hängt was zusammen und was passiert unter der Haube, wenn ein System selbst lernt? Und: Was sollte man als Entwickler darüber wissen, auch wenn die Schulzeit schon länger her ist? In ihrer Session gab die Speakerin einen Überblick über die wichtigsten mathematischen Konzepte hinter Deep Learning und wie diese angewandt werden können. Die Session kann im oben eingebundenen Video nun vollständig angesehen werden.

Sigrid Keydana is a data scientist with the DACH-based IT consulting company Trivadis. In the field of data science and machine learning, she focuses on deep learning (concepts and frameworks), statistical learning and statistics, natural language processing and software development using R. She has a broad background in software development (esp. Java and functional programming languages like Scheme and Haskell), database administration, IT architecture and performance optimization. She writes a blog (http://recurrentnull.wordpress.com) and is active on Twitter as @zkajdan
Geschrieben von
Kommentare

Hinterlasse einen Kommentar

Hinterlasse den ersten Kommentar!

avatar
400
  Subscribe  
Benachrichtige mich zu: