Deep Learning interessant, aber viel zu dumm

[Florida Man]

Ich habe hier ein kleines Dilema: Ich finde künstliche neuronale Netze spannend, mich interssiert z.B. wenn mein Neuron vier Eingänge hat und ich feuere in ein Neuron eine Schicht darüber, werden dann vier Werte in einen zusammengefasst oder was passiert da, welche Art von Daten kann ich eigentlich durch ein solches Netz schicken und wie kann ich ein eigenes Netz betreiben und anlernen ... ich würde damit gerne spielen!

Ich finde nur den EInstieg nicht so richtig, denn jetzt kommt mein Problem: Ich bin dumm. ALles, was man können muss, um künstliche neuronale Netze zu verstehen, kann ich nicht (Mathe, abstrakt denken usw.). Ich werde also sehr wahrscheinlich kein eigenes neuronales Netz bauen, aber evtl. gibt es ja eine Spielmöglichkeit für Leute wie mich, die dennoch etwas Tiefgang und die Möglichkeiten für ganz eigene Projekte bieten!

Kennt jemand evtl. eine Anlaufstelle für das Thema, die mich nicht sofort überfordern wird? Ich bin bereit Zeit zu investieren und zu lernen, aber ich starte halt auf recht niedrigem Niveau.

[Tyrann]

geht mir ähnlich, über ein gut verständliches Tutorial würde ich mich freuen

[anorakker]

http://playground.tensorflow.org

[Florida Man]

http://playground.tensorflow.org
Das sieht ganz interessant aus, aber es gibt dort keinerlei Erklärungen. Damit kann ich also nicht starten.

[Skysnake]

Nimm tensors low knall irgendwas zusammen und schau was am Ende rauskommt.

Wiederholen das ganz oft und du kommst über trail and error ans Ziel.

Nimm was relativ komplexes gleich. Dauert dann zwar länger zum anlehnen, aber hey was sollst.

Meiner Erfahrung nach machen die meisten Leute genau das....

Denn die Mathematik dahinter ist alles nur nicht trivial. Gezielt geht da wenig.

[anorakker]

Ich weiss nicht so recht wie du dir das Thema vorstellst? Ohne abstraktes Denken plus mathematische Konzepte wird man da glaube ich nicht weit kommen.
Gegooglet hast du bestimmt auch schon, taugt so etwas hier nicht?

http://www.cbcity.de/tutorial-neuronale-netze-einfach-erklaert

[maximum]

Das sieht ganz interessant aus, aber es gibt dort keinerlei Erklärungen. Damit kann ich also nicht starten.


In einer der letzten "c't"s war ein Artikel, welcher erklärt hat wie man sich selbst ein kleines neuronales Netz schreibt.

[MilesEdgeworth]

Diese Präsentation könnte eine ganz interessante Einführung in das Thema sein, bisher habe ich sie aber auch nur überflogen:

Google Slides (https://docs.google.com/presentation/d/1kSuQyW5DTnkVaZEjGYCkfOxvzCqGEFzWBy4e9Uedd9k/preview?imm_mid=0f9b7e&cmp=em-data-na-na-newsltr_20171213#slide=id.g168a3288f7_0_58)

EDIT: Zumindest der erste Teil

[urpils]

die beste Einführung von simpelsten Ideen bis zur Mathematik hat für mich 3Blue1Brown gebracht: von dort solltest du eigentlich in der Lage sein mit genug Sitzfleisch auch die restliche Mathematik zu verstehen:

http://www.3blue1brown.com/videos/2017/10/9/neural-network

[Unfug]

Ist Tensoflow für folgendes Szenario geeignet?

Eingabe: Riesige Datenmenge von Personen mit Eigenschaften a,b,c
Frage: Person X, wie hoch ist die Wahrscheinlichkeit, dass Person ebenfalls Eigenschaft a hat?

Ich bin im Besitz einer riesigen Datenmenge an Daten, die eigentlich in keiner Korrelation stehen. Diese würde ich aber gerne dazu bringen. Z.b. auch: Eigenschaft a hängt signifikant von b,c zusammen.
Simple Korrelationsrechnung bringen mich nicht weiter, da es sein kein, dass b und c in einem bestimmten Intervall nur zu a führen..
War das verständlich?

[Tobalt]

bei daten die so gut strukturiert sind wie du sagst braucht man kein machine learning. da tun es simpelste statistische Beziehungen

aber ich deute es mal eher so dass ich dein Problem nicht nachvollziehen konnte.

zu machine learning: ich stelle mir das immer als einen sehr komplexen fit mit vielen Parametern vor. da man keine geschlossene formel mehr fitten kann und auch weil die Anzahl an Parametern die Rechnungskosten von normalen regressionsverfahren eh sprengen würde, nutzt man heuristische (modernes trial and error) um sich dem Problem zu nähern.

der algo orientiert sich dabei an den fragen die ein mensch stellen würde.

[Monger]

Ich lese gerade das Buch hier:
https://www.manning.com/books/grokking-deep-learning

Ist zeitintensiv, aber als Einstieg glaub recht gut. Was ich daraus gelernt habe:
- deep learning ist die suche nach dem lokalen Minimum in einer n-dimensionalen Datenwelt
- Es gibt noch ganz andere KI Ansätze, aber Deep Learning zeigt gute Ergebnisse mit relativ geringem Rechenaufwand
- ohne Python geht nix
- Es gibt Milliarden Fallgruben bei der KI Entwicklung, die stark vom zu lernenden Inhalt abhängen

[Breegalad]

YT-tutorials mit dem Stichwort openCV sind häufig spannend und nachvollziehbar,
Unterabteilung Bildanalyse im Sport, Ballerkennung, Spielererkennung, Ereigniserkennung usw
eindrucksvoll sind auch die CUDA-Demos
kleinen Ausflug in die Photogrammetrie nicht vergessen, führt weiter zu Blender & MakeHuman
mit Tensorflow lenkt einer z.B ein autonomes Fahrzeug in der Spielgrafik von GTAV
VR gehört auch dazu (Gesichtserkennung, Hotspots, Region_of_Interest )
Stichwort + pdf führt oft zu weiterem Lesestoff

Dem Thema merkt man seine Brisanz in der öffentlichen Darstellung nicht an, auch die C't berichtet zu wenig.
In Industrie und Forschung ist es aber ein ganz heißes Eisen.

[Trap]

Ich fand den Kurs sehr angenehm anwendungsorientiert: http://course17.fast.ai/

Da werden alle Bauteile (Mathe, Python, ...) nur so weit erwähnt wie man sie als Werkzeug benutzt. Es werden zum anschaulich machen ein paar konkrete Beispiele gerechnet, das wars schon.

Dafür wird sehr ausführlich erklärt, was man mit deep learning jetzt schon gut lösen kann (und wie), worauf zu achten ist und wie man sich viel Arbeit spart indem man einfach die Ergebnisse von anderen nutzen kann.

[lumines]

die beste Einführung von simpelsten Ideen bis zur Mathematik hat für mich 3Blue1Brown gebracht: von dort solltest du eigentlich in der Lage sein mit genug Sitzfleisch auch die restliche Mathematik zu verstehen:

http://www.3blue1brown.com/videos/2017/10/9/neural-network

Habe speziell das Video nicht gesehen, aber 3blue1brown ist definitiv einen Blick wert. Die Videos sind extrem dicht an Informationen und seine selbst geschriebene Animationssoftware bringt einen echten Mehrwert bei vielen Erklärungen. Er spart auch nicht an Details.