taralino

Einleitung

Dieser Kurs liefert die Grundlagen einer ganzen Reihe von Kursen zum Thema neuronale Netze. Ein zentrales Ziel besteht darin, ein Verfahren zur Mustererkennung kennenzulernen. Wir bieten damit einen anschaulichen und eindrucksvollen Eindruck davon, wie Algorithmen bestimmte Objekte in Bildern erkennen können. Die folgende Anwendung dient bereits dazu, dir einen ersten Einblick zu geben.

Fertige einfache Strichzeichnungen an und prüfe, ob deine Zeichnung von einem neuronalen Netz korrekt erkannt wird. Es kommt ein Verfahren zum Einsatz, welches deine Zeichnung in die Objekte Apfel, Schmetterling, Fisch und Sonne kategorisiert.

In diesem sowie in den folgenden Kursen werden wir lernen, wie derartige Verfahren zur Mustererkennung arbeiten. Auch du wirst anschließend neuronale Netze trainieren und testen können.

Anwendung

Fertige Strichzeichnungen an und fordere die Künstliche Intelligenz heraus.

Quick! Draw!

Um weitere Erfahrungen mit Künstlicher Intelligenz machen zu können, hat Google eine ganze Reihe von kleinen Online-Experimenten zusammengestellt. Das Projekt Quick! Draw! ist eines dieser Experimente:

quickdraw.withgoogle.com

Zur Erkennung von Strichzeichnungen werden einzelne Gegenstände vorgegeben, welche anschließend im Browser gezeichnet werden sollen. Ein neuronales Netz erkennt, um welchen Gegenstand es sich handelt.

Literaturhinweise

Die Inhalte des vorliegenden Kurses sind teilweise den folgenden Quellen entnommen, welche auch zur Vertiefung dienen können:

C.M. Bishop. 1995. Neural Networks for Pattern Recognition. Oxford University Press, Oxford, 1. Auflage.
A. Dertat. 2017. Applied Deep Learning - Part 1: Artificial Neural Networks. Published on Towards Data Science.
J. Kleeberger, N. Prost und H. Sternkopf. 2019. Machine Learning. Intelligente Maschinen. Medien in die Schule (Gemeinschaftsprojekt von FSM und Google Deutschland), Berlin und Hamburg, 1. Auflage.
Y. LeCun, L. Bottou, Y. Bengio und P. Haffner. 1998. Gradient-based learning applied to document recognition. Proceedings of the IEEE 86: 2278-2324.
K. Lischka und A. Klingel. 2017. Wenn Maschinen Menschen bewerten. Internationale Fallbeispiele für Prozesse algorithmischer Entscheidungsfindung. Bertelsmann Stiftung, Gütersloh, 1. Auflage.
M.A. Nielsen. 2015. Neural Networks and Deep Learning. Determination Press, Version vom 12. Dezember 2016.
G.D. Rey und K.F. Wender. 2010. Neuronale Netze: Eine Einführung in die Grundlagen, Anwendungen und Datenauswertung. Hogrefe Verlag, Göttingen, 2. Auflage.