Einführung in das Thema Machine Learning und künstliche Intelligenz anhand von Beispielen aus dem MOOC "Machine Learning" von Andrew Ng von der Stanford University. Es wird die Bilderkennung anhand eines neuronalen Netzes erklärt.

1. Machine Learning
Dr. Christian Wiele
@christian_wiele

2. ©2017 gezeitenraum
Warum sollte man sich mit
Machine Learning und AI
befassen?
2

3. ©2017 gezeitenraum
Strömungen
3

4. ©2017 gezeitenraum 4
https://www.coursera.org/learn/machine-learning/

5. Problemstellung
©2017 gezeitenraum 5
Frage Antwort

6. Beispiel: Vorhersage
©2017 gezeitenraum 6
Was ist mein
Auto wert? €21.000

7. Preisbewertung
©2017 gezeitenraum 7

8. Vorhersage
©2017 gezeitenraum 8

9. Vorhersage
©2017 gezeitenraum 8

10. Ziel: Fehler minimieren
©2017 gezeitenraum 9
Fehler

11. Ziel: Fehler minimieren
©2017 gezeitenraum 9
Fehler
{Parameter 1
Parameter 2

12. Beispiel: Klassifizierung
©2017 gezeitenraum 10
Banane
Apfel
Traube
Kirsche
Orange

13. AIpoly
©2017 gezeitenraum 11

14. Beispiel: Clustering
©2017 gezeitenraum 12
Welche
Kundensegmente
gibt es?
X
X
X
X
X
X
X
X
X
X
X
X X
X
X
X X
X
X
X
X X
XX
X
X
X

15. Beispiel: Abweichler
©2017 gezeitenraum 13
Wo gibt es
Abweichungen?
X
X
X
X
X
X
X
X
X
X

16. Lernformen
©2017 gezeitenraum 14
überwachtes Lernen unüberwachtes Lernen
Banane
Traube
Banane
X
X
X
X
X
X
X
X
X
X
X
X X
X
X
X X
X
X
X
X X
XX
X
X
X

17. Neuronales Netz: Ziffern erkennen
©2017 gezeitenraum 15
Input
1
2
3
4
5
6
7
8
9
0
Output

18. Neuronales Netz: Ziffern erkennen
©2017 gezeitenraum 15
Input
1
2
3
4
5
6
7
8
9
0
Output-Neuronen
2
3
4
5
6
7
8
9
10
1
12
2
3
17
18
1
25
24
………
…
…
Innere-Neuronen
Output

19. Künstliches Neuron: Innenansicht
©2017 gezeitenraum 16
Rechen-Logik:
Ergebnis = eine Zahl
Output:
1 = feuern
0 = nicht-feuern

20. Künstliches Neuron: Innenansicht
©2017 gezeitenraum 16
Rechen-Logik:
Ergebnis = eine Zahl
Output:
1 = feuern
0 = nicht-feuern

21. Feuern vs. nicht-feuern
©2017 gezeitenraum 17
inneres Neuron 12:
rot dominiert —> feuern
inneres Neuron 13:
blau dominiert —> nicht feuern
Input Maske =
Gewichtung
gewichteter
Input

22. Neuronales Netz: Ziffern erkennen
©2017 gezeitenraum 18
Input
Output-Neuronen
1
2
3
4
5
6
7
8
9
0
2
3
4
5
6
7
8
9
10
1
…
12
2
3
17
18
1
25
24
………
…
Innere-Neuronen
Output

23. Neuronales Netz: Ziffern erkennen
©2017 gezeitenraum 18
Input
Output-Neuronen
1
2
3
4
5
6
7
8
9
0
2
3
4
5
6
7
8
9
10
1
…
12
2
3
17
18
1
25
24
………
…
Innere-Neuronen
Output

24. Welche Neuronen bestimmen die „3“?
©2017 gezeitenraum 19
Alle „3“ werden richtig erkannt

25. Welche Neuronen bestimmen die „3“?
©2017 gezeitenraum 19
Alle „3“ werden richtig erkannt
Bsp1
Bsp2
Bsp10
inn.N
euron
1
inn.N
euron
2
inn.N
euron
25
Output innere Neuronen

26. Welche Neuronen bestimmen die „3“?
©2017 gezeitenraum 19
Alle „3“ werden richtig erkannt
Bsp1
Bsp2
Bsp10
inn.N
euron
1
inn.N
euron
2
inn.N
euron
25
Output innere Neuronen
3. Output-Neuronen

27. Welche Neuronen bestimmen die „3“?
©2017 gezeitenraum 19
Alle „3“ werden richtig erkannt
Bsp1
Bsp2
Bsp10
inn.N
euron
1
inn.N
euron
2
inn.N
euron
25
Output innere Neuronen gewichtet mit 3. Output-Neuron
3. Output-Neuronen

28. Welche Neuronen bestimmen die „3“?
©2017 gezeitenraum 19
Alle „3“ werden richtig erkannt
Bsp1
Bsp2
Bsp10
inn.N
euron
1
inn.N
euron
2
inn.N
euron
25
Output innere Neuronen gewichtet mit 3. Output-Neuron
3. Output-Neuronen

29. Welche Pixel-Strukturen sind relevant?
©2017 gezeitenraum 20
Neuron 12 Neuron 18 Neuron 25

30. Lernprozess
©2017 gezeitenraum 21

31. Lernprozess
©2017 gezeitenraum 21

32. Neuronales Netz: Lernprozess
©2017 gezeitenraum 22
Input Output
1
2
3
4
5
6
7
8
9
0

33. Neuronales Netz: Lernprozess
©2017 gezeitenraum 22
Input
Output-Neuronen
2
3
4
5
6
7
8
9
10
1
12
2
3
17
18
1
25
24
………
…
…
Innere-Neuronen
Output
1
2
3
4
5
6
7
8
9
0

34. Geschafft
©2016 gezeitenraum 23
Vielen Dank!
Dr. Christian Wiele
christian@gezeitenraum.com
@christian_wiele
@gezeitenraum