Bilderkennung mit neuronalen Netzen ist heute ein großer Trend. Wie funktioniert das und wie gut muss man sich dafür mit Machine Learning auskennen? Wir haben Shirin Glander, Data Scientist bei codecentric, nach Technologien, Trends und Tipps für die maschinelle Bilderkennung mit neuronalen Netzen gefragt.

Machine Learning und Künstliche Intelligenz sind gerade Thema. Das ist keine bahnbrechende Neuigkeit. Naheliegend, dass wir uns in dieser Ausgabe von „Sag mal…“ darüber unterhalten haben. Anders als sonst hat allerdings diesmal Niko die Fragen gestellt.
 
 

Aktuell findet die internationale Google Cloud Next 2018 in San Francisco statt. Führende Mitarbeiter von Google stellen in Vorträgen, Diskussionen und Workshops die Vision für die Zukunft von Google Cloud vor. Bereits am ersten Tag überrascht Google mit vielen Neuerungen und Updates.

Kann man einen Hardware-Ausfall oder einen Hacker-Angriff voraussehen? Zumindest lassen sich aus den Funktionsdaten einer Infrastruktur – von der Temperatur der Devices über die Latenz bis hin zum Lese-Schreib-Verhalten – wertvolle Rückschlüsse ziehen, um die Qualität von Rechenzentrumsleistungen in der Cloud deutlich zu erhöhen. Durch selbstlernende Algorithmen entsteht ein System, in dem sich Predictive Maintenance und Live Scaling automatisiert umsetzen lassen.

Machine Learning, Deep Learning, verschiedene Arten von Networks, Tools und Frameworks: Die Welt des maschinellen Lernens ist groß und bietet inzwischen schon zahlreiche Optionen. Wir haben mit Oliver Zeigermann, Trainer auf dem ML Summit, über genau diese Vielfalt gesprochen.

Es ist nichts Neues, dass Code fast alle Bereiche unseres Modernen Lebens bestimmt. Trotzdem beschränken sich Programmierkenntnisse immer noch auf bestimmte Fachleute und
Communitys. Da sich die Fähigkeit, Anwendungen zu schreiben, immer weiter verbreitet, stellt sich nun allerdings Frage, ob das Coden in Zukunft zu den Grundfähigkeiten Lesen, Schreiben und Rechnen hinzukommen wird.

Der Erfinder von Python, Guido van Rossum, hat angekündigt, sich vom Projekt zurückziehen zu wollen. Damit verliert die Programmiersprache ihren langjährigen Hauptentscheidungsträger. Was bedeutet das für die Python-Community?

Mit TensorFlow 1.9 wurden wieder einige neue Features für die Deep-Learning-Bibliothek veröffentlicht. Dazu gehörten beispielsweise Neuerungen beim Laden von Daten und für die Textverarbeitung.

Eigentlich wäre dies genau der Ort, um über Fußball und das Ausscheiden „der Mannschaft“ zu sprechen. Das sparen wir uns allerdings – stattdessen schauen wir auf das Positive: Das Simultaneous Release Eclipse Photon ist erfolgreich durchgeführt worden, Werner Vogels stellte Amazon SageMaker vor und eine neue Ausgabe der Golumne ist auf JAXenter erschienen. Ist alles doch irgendwie auch spannender als Fußball, oder?!

Auf der letzten re:Invent-Konferenz hat Amazon das Machine-Learning-Projekt SageMaker vorgestellt. Es handelt sich dabei um eine verwaltete Plattform, die es Entwicklern und Datenwissenschaftlern ermöglichen soll, Machine-Learning-Modelle jeder Größenordnung zu erstellen, zu trainieren und zu implementieren. Amazon CTO Werner Vogels stellt das Projekt für JAXenter vor.

Die Witze über Roboter und Künstliche Intelligenzen, die die Menschheit ausrotten, haben alle schon einen Bart. Ernsthafter setzte man sich in der vergangenen Woche auf der Machine Learning Conference 2018 in München mit der Thematik auseinander, wir haben die wichtigsten Erkenntnisse zusammengefasst. Außerdem blies Oracle offiziell zur Nashorn-Jagd und die Forscher aus dem H2020-Projekt „AGILE-IoT“ haben ihre Forschungsergebnisse mit uns geteilt.

Die Menschheit ist mehr denn je mit künstlicher Intelligenz (KI) konfrontiert. Doch wie „intelligent“ sind diese Systeme wirklich? Wir sprachen mit Marisa Tschopp, Forscherin bei scip ag und Sprecherin auf der ML Conference 2018, über den Künstlichen Intelligenz-Quotienten, wie man akademische IQ-Tests automatisiert und vieles mehr.

Die ML Conference 2018 in München steht unter dem klaren Motto: Wir sind noch lange nicht am Ende und es gibt noch so viel zu lernen. Der erste Konferenztag ist vorbei und wir richten den Scheinwerfer auf eine kleine Zusammenstellung der spannendsten Themen.

Auf der derzeit stattfindenden Machine Learning Conference in München sind die Themen Künstliche Intelligenz und Maschinelles Lernen natürlich im Fokus. Auf der W-JAX 2017 gab es allerdings auch den ein oder anderen Talk aus dem Themengebiet: Kai Wähner, Technology Evangelist bei Confluent, zeigte in seiner Session, wie Deep-Learning-Modelle in Unternehmen genutzt werden können.

Neuronale Netze lernen. Doch oftmals ist es für Menschen nicht ersichtlich, wie ein Neuronales Netz zu seinen Entscheidungen gekommen ist. Dieses „Blackbox“-Problem thematisiert Xander Steenbrugge, Machine-Learning-Experte bei ML6, auf der Machine Learning Conference 2018. Wir haben ihn zum Interview gebeten und fragen nach, welche Möglichkeiten es derzeit gibt, die Entscheidungen Neuronaler Netze dennoch nachzuvollziehen.

Die Machine Learning Conference 2018 in München ist gestartet. Für alle, die dieses Jahr leider keine Gelegenheit haben, an der Konferenz teilzunehmen, streamen wir die Eröffnungs-Keynote von Xander Steenbrugge live!

Tief im Innersten ist Machine Learning ein reines Zahlenspiel. Bis auf wenige Ausnahmen ist die tatsächliche Eingabe in ein ML-Modell immer eine Sammlung von Float-Werten. Dies ist einfach für Bilder, bei denen Pixel nur numerische Farbwerte sind. Doch wie funktionieren ML-Algorithmen bei Wörtern und Buchstaben? Wir haben bei Christoph Henkelmann, ML-Experte bei DIVISIO und Sprecher auf der Machine Learning Conference, nachgefragt, wie man Maschinen dazu bringt, Texte zu verstehen.

Noch müssen Menschen in den meisten Fällen den Maschinen Daten und deren Interpretation beibringen. Mit der Webanwendung Datalore wollen die Entwickler von JetBrains diesen Schritt zumindest ein wenig vereinfachen. Die Anwendung ist seit Februar in der offenen Beta verfügbar und soll das Erstellen von Berechnungen einfach und kollaborativ machen. Dabei wird unter anderem auf intelligente Vorschläge und inkrementelle Kalkulation gesetzt.

Eigentlich wollten wir uns zu dem Thema nicht mehr äußern aber… Es gibt jetzt ein serienreifes Smartphone ohne Notch, dafür mit umso mehr Bildschirm! So, das musste raus. Außerdem dabei: mit dem ML Kit will Google das Machine Learning für alle zugänglich machen und die Release-Zyklen für Android werden kürzer.

Wird Skynet bald die Kontrolle über die Menschheit übernehmen? Werden die Roboter von Boston Dynamics uns versklaven? Das ist wohl (noch) Zukunftsmusik. Doch das Thema Machine Learning nimmt zunehmend fahrt auf und immer mehr Entwickler beschäftigen sich bereits mit den Möglichkeiten, die „ML“ mit sich bringt. Sie auch?