Artwork

Inhalt bereitgestellt von Michaela Voth. Alle Podcast-Inhalte, einschließlich Episoden, Grafiken und Podcast-Beschreibungen, werden direkt von Michaela Voth oder seinem Podcast-Plattformpartner hochgeladen und bereitgestellt. Wenn Sie glauben, dass jemand Ihr urheberrechtlich geschütztes Werk ohne Ihre Erlaubnis nutzt, können Sie dem hier beschriebenen Verfahren folgen https://de.player.fm/legal.
Player FM - Podcast-App
Gehen Sie mit der App Player FM offline!

NGF024-Wissen: Deep Learning

1:46:55
 
Teilen
 

Manage episode 234565130 series 1425433
Inhalt bereitgestellt von Michaela Voth. Alle Podcast-Inhalte, einschließlich Episoden, Grafiken und Podcast-Beschreibungen, werden direkt von Michaela Voth oder seinem Podcast-Plattformpartner hochgeladen und bereitgestellt. Wenn Sie glauben, dass jemand Ihr urheberrechtlich geschütztes Werk ohne Ihre Erlaubnis nutzt, können Sie dem hier beschriebenen Verfahren folgen https://de.player.fm/legal.

Unter dem Schlagwort des Deep Learning hat die Wissenschaft in den vergangenen Jahren große Fortschritte gemacht, von der Bild- und Objekterkennung über dem Verstehen von Sprache oder Erzeugen von Texten. Dabei ist Machine Learning zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden: sowohl als wissenschaftliche Methode als Beispiel in der medizinischen Diagnostik, aber auch in der Wirtschaft hat Machine Learning Einzug genommen. Doch wie stehen Deep Learning, Machine Learning, Neuronale Netze, und künstliche Intelligenz miteinander in Verbindung und welche Unterschiede gibt es? Der Ingenieur und Podcaster Philipp „Teubi“ Gräbel gibt mir in dieser Folge einen Einblick ins Deep Learning und erklärt mir auch anhand seiner Forschung in der Biomedizin, wo Deep Learning eingesetzt werden kann und wo (noch) nicht. Wir sprechen über die Vorteile vom Deep Learning und welche Aspekte bei der Anwendung beachtet werden müssen.

noch-nicht-gefragt

Philipp „Teubi“ Gräbel

Links zum Lernen

  • Neural Networks and Deep Learning (gutes Buch, aber leicht veralteter Code) [Link]
  • 3 Blue 1 Brown (Youtube Playlist mit netter Erklärung und schönen Visualisierungen) [Link]
  • Stanford Vorlesung [Link]

BiomedizinBildverarbeitungNussschale 014 über Bildverarbeitung – Digitale SignalverarbeitungDeep_LearningAutonomes FahrenBlutzellenNussschale über Blutzellen – Knochenmark – Forschungsprojekt: Klassifikation von Zelltypen mit Lösungsansätzen aus dem Bereich Deep Learning [Link] – Medizinisch-technischer Assistent

nach-gefragt

  1. Definition Deep Learning

Deep LearningNussschale über Deep Learning – CytoplasmaMaschinelles LernenNussschale 003 über Maschinelles Lernen

  1. Merkmale erkennen durch Neuronale Netze

Neuronales NetzPerzeptronNussschale 020 über das Perzeptron – Vortrag über Deep Learning beim 35c3: Neuronale NetzeGewichtungLineare FunktionNussschale über Funktionen

  1. Training und Ergebnisserzeugung

Backpropagation – LOSS-Funktion [Link1, Link2] – Vortrag über Deep Learning beim 35c3: Beispiel wie ein Training funktioniert

  1. Aufbau eines Neuronalen Netzes

Vortrag über Deep Learning beim 35c3: Image ProcessingFaltungConvolutional Layer

  1. Unterschied Deep Learning und Maschine Learning
  2. Was muss beim Einsatz des Netzes beachtet werden?
  3. Evaluation des Netzes

Biometrische Videoüberwachung in Berlin [Link] – Bewertung Gesichtserkennung und Trefferquote [Link1, Link2] – Das Problem mit den Falsch Positiven [Link]

  1. Anwendungsarten

Reinforcement – Überwachtes und unüberwachtes Lernen [Link]

  1. künstliche Intelligenz

Künstliche IntelligenzNussschale über künstliche Intelligenz – Turing-Test – Die Bundesregierung und künstliche Intelligenz [Link]

  1. Was ist möglich mit neuronalen Netzen?

Upload-Filter – EU-Richtlinie und Uploadfilter [Link] – GEMA-Tweet über KI [Link] – xkcd über das Einschätzen der Schwierigkeit von Tasks [Link] – Precision und Recall [Link1, Link2] – Bewertung von Uploadfilter anhand von Youtube [Link]

  1. Anwendungsgebiete

Deep Learning in der Medizin [Link1, Link2] – Deep Learning und autonomes Fahren [Link1, Link2]

  1. Deep Learing als Methode in der Wissenschaft

Nachgefragt 008 mit Nicolas Wöhrl über Forschung – Peripheres BlutarXiv.org

  1. Deep Learning in der Wirtschaft
  2. Deep Learning online ausprobieren

MNIST Database – MNIST Visualisierung (Klassifizierung von Zahl) [Link] – Activation AtlasThis person does not exist [Link] – AirbnbThis cat does not exist [Link] – Google AI Experiments [Link] – Let’s EnhanceBackground Removal – Remove Background Background Removal ausprobieren – Coloring Pictures – Colourise Coloring Pictures ausprobieren – Und nochmal: Vortrag über Deep Learning beim 35c3 [Link]

sterne-befragt

  continue reading

Kapitel

1. vor-ton (00:00:00)

2. noch-nicht-gefragt (00:00:13)

3. Definition Deep Learning (00:07:45)

4. Merkmale erkennen durch Neuronale Netze (00:13:21)

5. Training und Ergebnisserzeugung (00:20:26)

6. Aufbau eines Neuronalen Netzes (00:31:58)

7. Unterschied Deep Learning und Maschine Learning (00:37:53)

8. Was muss beim Einsatz des Netzes beachtet werden? (00:39:14)

9. Evaluation des Netzes (00:42:51)

10. Anwendungsarten (00:45:20)

11. künstliche Intelligenz (00:51:30)

12. Was ist möglich mit neuronalen Netzen? (00:55:56)

13. Anwendungsgebiete (01:12:05)

14. Deep Learing als Methode in der Wissenschaft (01:16:38)

15. Deep Learning in der Wirtschaft (01:29:49)

16. Deep Learning online ausprobieren (01:32:57)

17. sterne-befragt (01:38:46)

18. nach-ton (01:46:01)

69 Episoden

Artwork

NGF024-Wissen: Deep Learning

Nachgefragt

189 subscribers

published

iconTeilen
 
Manage episode 234565130 series 1425433
Inhalt bereitgestellt von Michaela Voth. Alle Podcast-Inhalte, einschließlich Episoden, Grafiken und Podcast-Beschreibungen, werden direkt von Michaela Voth oder seinem Podcast-Plattformpartner hochgeladen und bereitgestellt. Wenn Sie glauben, dass jemand Ihr urheberrechtlich geschütztes Werk ohne Ihre Erlaubnis nutzt, können Sie dem hier beschriebenen Verfahren folgen https://de.player.fm/legal.

Unter dem Schlagwort des Deep Learning hat die Wissenschaft in den vergangenen Jahren große Fortschritte gemacht, von der Bild- und Objekterkennung über dem Verstehen von Sprache oder Erzeugen von Texten. Dabei ist Machine Learning zu einem wichtigen Bestandteil vieler kommerzieller Anwendungen und Forschungsprojekte geworden: sowohl als wissenschaftliche Methode als Beispiel in der medizinischen Diagnostik, aber auch in der Wirtschaft hat Machine Learning Einzug genommen. Doch wie stehen Deep Learning, Machine Learning, Neuronale Netze, und künstliche Intelligenz miteinander in Verbindung und welche Unterschiede gibt es? Der Ingenieur und Podcaster Philipp „Teubi“ Gräbel gibt mir in dieser Folge einen Einblick ins Deep Learning und erklärt mir auch anhand seiner Forschung in der Biomedizin, wo Deep Learning eingesetzt werden kann und wo (noch) nicht. Wir sprechen über die Vorteile vom Deep Learning und welche Aspekte bei der Anwendung beachtet werden müssen.

noch-nicht-gefragt

Philipp „Teubi“ Gräbel

Links zum Lernen

  • Neural Networks and Deep Learning (gutes Buch, aber leicht veralteter Code) [Link]
  • 3 Blue 1 Brown (Youtube Playlist mit netter Erklärung und schönen Visualisierungen) [Link]
  • Stanford Vorlesung [Link]

BiomedizinBildverarbeitungNussschale 014 über Bildverarbeitung – Digitale SignalverarbeitungDeep_LearningAutonomes FahrenBlutzellenNussschale über Blutzellen – Knochenmark – Forschungsprojekt: Klassifikation von Zelltypen mit Lösungsansätzen aus dem Bereich Deep Learning [Link] – Medizinisch-technischer Assistent

nach-gefragt

  1. Definition Deep Learning

Deep LearningNussschale über Deep Learning – CytoplasmaMaschinelles LernenNussschale 003 über Maschinelles Lernen

  1. Merkmale erkennen durch Neuronale Netze

Neuronales NetzPerzeptronNussschale 020 über das Perzeptron – Vortrag über Deep Learning beim 35c3: Neuronale NetzeGewichtungLineare FunktionNussschale über Funktionen

  1. Training und Ergebnisserzeugung

Backpropagation – LOSS-Funktion [Link1, Link2] – Vortrag über Deep Learning beim 35c3: Beispiel wie ein Training funktioniert

  1. Aufbau eines Neuronalen Netzes

Vortrag über Deep Learning beim 35c3: Image ProcessingFaltungConvolutional Layer

  1. Unterschied Deep Learning und Maschine Learning
  2. Was muss beim Einsatz des Netzes beachtet werden?
  3. Evaluation des Netzes

Biometrische Videoüberwachung in Berlin [Link] – Bewertung Gesichtserkennung und Trefferquote [Link1, Link2] – Das Problem mit den Falsch Positiven [Link]

  1. Anwendungsarten

Reinforcement – Überwachtes und unüberwachtes Lernen [Link]

  1. künstliche Intelligenz

Künstliche IntelligenzNussschale über künstliche Intelligenz – Turing-Test – Die Bundesregierung und künstliche Intelligenz [Link]

  1. Was ist möglich mit neuronalen Netzen?

Upload-Filter – EU-Richtlinie und Uploadfilter [Link] – GEMA-Tweet über KI [Link] – xkcd über das Einschätzen der Schwierigkeit von Tasks [Link] – Precision und Recall [Link1, Link2] – Bewertung von Uploadfilter anhand von Youtube [Link]

  1. Anwendungsgebiete

Deep Learning in der Medizin [Link1, Link2] – Deep Learning und autonomes Fahren [Link1, Link2]

  1. Deep Learing als Methode in der Wissenschaft

Nachgefragt 008 mit Nicolas Wöhrl über Forschung – Peripheres BlutarXiv.org

  1. Deep Learning in der Wirtschaft
  2. Deep Learning online ausprobieren

MNIST Database – MNIST Visualisierung (Klassifizierung von Zahl) [Link] – Activation AtlasThis person does not exist [Link] – AirbnbThis cat does not exist [Link] – Google AI Experiments [Link] – Let’s EnhanceBackground Removal – Remove Background Background Removal ausprobieren – Coloring Pictures – Colourise Coloring Pictures ausprobieren – Und nochmal: Vortrag über Deep Learning beim 35c3 [Link]

sterne-befragt

  continue reading

Kapitel

1. vor-ton (00:00:00)

2. noch-nicht-gefragt (00:00:13)

3. Definition Deep Learning (00:07:45)

4. Merkmale erkennen durch Neuronale Netze (00:13:21)

5. Training und Ergebnisserzeugung (00:20:26)

6. Aufbau eines Neuronalen Netzes (00:31:58)

7. Unterschied Deep Learning und Maschine Learning (00:37:53)

8. Was muss beim Einsatz des Netzes beachtet werden? (00:39:14)

9. Evaluation des Netzes (00:42:51)

10. Anwendungsarten (00:45:20)

11. künstliche Intelligenz (00:51:30)

12. Was ist möglich mit neuronalen Netzen? (00:55:56)

13. Anwendungsgebiete (01:12:05)

14. Deep Learing als Methode in der Wissenschaft (01:16:38)

15. Deep Learning in der Wirtschaft (01:29:49)

16. Deep Learning online ausprobieren (01:32:57)

17. sterne-befragt (01:38:46)

18. nach-ton (01:46:01)

69 Episoden

Alle Folgen

×
 
Loading …

Willkommen auf Player FM!

Player FM scannt gerade das Web nach Podcasts mit hoher Qualität, die du genießen kannst. Es ist die beste Podcast-App und funktioniert auf Android, iPhone und im Web. Melde dich an, um Abos geräteübergreifend zu synchronisieren.

 

Kurzanleitung