Unüberwachtes maschinelles Lernen mit Autoencodern
Autoencoder stellen eine spannende Möglichkeit für maschinelles Lernen dar. Aber wann sollte man darauf setzen? Das erklärt Christoph Henkelmann in dieser Session von der ML Conference.
#maschinelles lernen
Deep Probabilistic Modelling mit Pyro
Deep Probabilistic Modelling: Wie sieht eine angemessene Modellierung unsicheren Wissens für die Analyse mit Machine Learning aus? Einen Ansatz mit Pyro stellt Chi Nhan Nguyen in dieser Session von der ML Conference 2019 vor. Jetzt im Video die gesamte Session ansehen!
TensorFlow 2.0 in der Release-Candidate-Phase: Breaking Changes zur Major-Version
Die Arbeit an TensorFlow 2.0 geht in den Endspurt: Mit den ersten Release Candidates wurden auch die Highlights und Breaking Changes der neuen Version vorgestellt. Entwickler müssen sich auf einige Änderungen im Vergleich zum Vorgänger gefasst machen.
Chatbots sind doof: Aber warum?
Oft ist die Interaktion mit Chatbots eher anstrengend. Aber woran liegt das? Ist die Technologie nicht ausgereift oder mangelt es an der passenden Implementierung? Dieser Frage geht Pieter Buteneers in dieser Session von der ML Conference nach.
Stockfish und AlphaZero: Wie Schach-Computer funktionieren
Computer spielen besser Schach als menschliche Spieler. Wie funktioniert das aber? Dieser Frage geht Oliver Zeigermann in dieser Session von der ML Conference nach. Der Speaker erklärt, welche Prinzipien hinter Stockfish und AlphaZero stecken.
Uber stellt KI-Plattform Plato Open Source zur Verfügung
Uber Technology Inc. hat die KI-Plattform „Plato Research Dialog System“ auf GitHub veröffentlicht. Mit Plato sollen Entwickler die Interaktion von KI-Systemen entwickeln und testen können, ohne dabei viel Code schreiben zu müssen.
R: Streng, funktional, dynamisch
Sie sind neugierig, wie Sie Probleme in R lösen können, und haben möglicherweise schon Erfahrung mit SQL? Dann sind Sie bei diesem Artikel genau richtig! Wir beginnen mit den grundlegenden Elementen der Sprache – mit jeder Menge konkretem Beispielcode. Dann werfen wir einen Blick darauf, wie wir mit Daten umgehen können (hier helfen SQL-Grundkenntnisse – sind aber nicht erforderlich). Und zu guter Letzt widmen wir uns noch Anwendungsfällen, die typischerweise mit R gelöst werden können.
Wie UX die KI entmystifiziert: „Wir brauchen mehr als nur technische Transparenz“
Kann UX die KI entmystifizieren? Ward Van Laer beantwortet diese Frage in seiner Session auf der ML Conference 2019. Wir haben den Speaker im Interview gefragt, wie das Black-Box-Problem des maschinellen Lernens durch eine einfache Verbesserung der User Experience gelöst werden kann.
„Reinforcement Learning hat Ähnlichkeit mit einem Kind, das ein neues Spiel lernt“
Maschinelles Lernen kann auf verschiedene Arten implementiert werden, eine davon ist das Reinforcement Learning. Was genau ist das und wie kann man es einsetzen? Zur ML Conference haben wir mit dem Speaker Dr. Christian Hidber über die zugrunde liegenden Ideen und Herausforderungen des Reinforcement Learning und die Frage gesprochen, warum es sich für die Anwendung in industriellen Settings eignet.
Eclipse Deeplearning4j: 1.0.0-beta4 veröffentlicht
Die neueste Beta zum ersten Major Release von Eclipse Deeplearning4j umfasst mehrere neue Features. Dazu gehört unter anderem die Unterstützung für verschiedene Datentypen von n-dimensionalen Arrays. Am CUDA-Support wurden ebenfalls Anpassungen vorgenommen.
PyTorch 1.1: Experimenteller Support für TensorBoard & Neuerungen am JIT-Compiler
Neue Features und Breaking Changes in PyTorch 1.1: Das Update fällt keineswegs so klein aus, wie die Versionsnummer vermuten ließe. So wurde am JIT-Compiler gearbeitet und ein experimenteller, aber offizieller Support für TensorBoard eingeführt.
TensorFlow Privacy veröffentlicht: Wie vertragen sich Machine Learning und der Schutz von Daten?
TensorFlow Privacy soll modernes Machine Learning mit dem Schutz sensibler Daten verbinden. Die neue TensorFlow-Library nutzt differentielle Privatsphäre und steht frei zur Nutzung bereit.
