Die Kreativität der Systeme – Machine Learning

Die Kreativität der Systeme – Machine Learning
15. Dez 2016

von Rebecca Klein

0

Es war die letzte Veranstaltung in diesem Jahr und die am besten besuchte dazu. Am 21. November 2016 versammelten sich über 100 IT-Kollegen und 40 Mitarbeiter aus anderen Unternehmensbereichen in der Konferenz-Zone. Zu sehen gab es Vorträgen über Deep Learning, Predictiv Analytics und Pepper, den humanoiden Roboter.

„Toll, dass so viele hier sind“, begrüßt Markus Schneider die Besucher der IT Conference Talks4Nerds, und wirft die Agenda über den Beamer an die Wand. Wertvolle Gespräche und Ideen über Einsatzszenarien der neuen Technologien sollen hier in den Köpfen der Teilnehmer wachsen. Und so wird allen Teilnehmer eine inspirierende Veranstaltung gewünscht.
Erfahrt mehr über Machine Learning und erlebt Pepper in Aktion, im Talks4Nerds-Video.

Heike Hassenbach, Abteilungsleiterin der Systemtechnik, präsentiert in ihrer Keynote den Ehrengast: Den von der Firma inovex bereitgestellten humanoiden Roboter „Pepper“. Und auf die Frage nach seinem Befinden, antwortete Pepper Heike Hassenbach überaus höflich: „Sehr gut! Und ich freue mich auf die heutige Veranstaltung!“ Einsatz-Orte für den 1,20 Meter kleinen Pepper gibt es auch schon: Er ist in Verkaufsräumen zu finden, in denen er mit Kunden interagiert und sie berät. Und da er die Herzen unserer Besucher im Sturm erobert, zweifeln wir nicht an seinen Eisbrecher-Qualitäten.

Deep Learning: Kennen Sie Google Foto und Google A.I. Experiment?

Christian Meder und Dominik Helleberg von inovex präsentierten einen Rundumschlag durch die heutige Artificial Intelligence-Welt, AI, und ihre Einsatzzwecke. Im Netz sorgt gerade das Google A.I. Experiment für Aufsehen, bei dem man in 20 Sekunden einen vorgegebenen Begriff in eine Zeichnung umsetzen muss. Durch die so gesammelte Datenmenge wird die Maschine trainiert, die Zeichnungen der User immer besser zu erraten. Aber Achtung: Suchtfaktor!

In der Bilderkennung und dem Training der Maschine zeichnet sich seit gut zwei Jahren eine enorme Entwicklung ab: Google Fotos, das heute eigenständig Bildbeschreibungen generiert, „Two brown bears sitting on top of rocks“. „Der Google-Sourcecode ist Open Source – ich kann mein eigenes Netz selbst trainieren“, so Christian.

Dominik Helleberg klärt auf über die vielen Einsatzmöglichkeiten maschinellen Lernens

Dominik Helleberg klärt auf über die vielen Einsatzmöglichkeiten maschinellen Lernens

Deep Dreaming und das Geheimnis der neuronalen Schichten

Die Funktionsweise von Deep Learning verdeutlicht Christian am Bespiel von Deep Dreaming. Trainiert wird ein neuronales Netz, ähnlich dem menschlichen Gehirn. Es besteht aus unterschiedlichen Schichten und genaugenommen weiß man heute noch nicht viel über die Interaktion. „Neuronale Netze sind wie eine Blackbox. Viele Entwickler und Data Scientists versuchen sich an Analysen der Funktionsweise.“

Die Pole Position bei diesem Forschungsrennen besitzt der Big Player Google. In dessen Projekt Deep Dream assoziiert die Maschine formenverwandte Gegenstände in ein anderes Bild. So entstehen faszinierende Werke, die auch die Kunstszene in ihren Bann ziehen. „Was hier passiert ist kreativ!“, berichtet Christian. Deep Dream hebt die Forschung über Maschinelles Lernen auf die nächste Ebene.

Einsatz-Bereiche von Deep Learning

Ob Siri, Xbox, Skype Translator oder Microsoft Cortana – immer spielen Deep-Learning-Algorithmen eine Rolle. Neuronale Netze spielen auch beim autonomen Fahren eine große Rolle. Die Basis der Deep-Learning-Bewegung bildete Big Data, da erst das Handhabbarmachen größer Datenmengen diese Modelle ermöglicht wurden.

Dimitri Marx von Elastic präsentiert die neu erworbene Machine Learning-Lösung Prelert

Dimitri Marx von Elastic präsentiert die neu erworbene Machine Learning-Lösung Prelert

Vortrag 2: Dimitri Marx präsentiert Prelert
Das neue Mitglied der „Elastic-Familie“ heißt Prelert. Mithilfe der Prelert-Technologie erweitert Elastic sein Angebot und stellt neben die Big Data Analytic diese Machine-Learning-Lösung zur Verfügung. Dimitri Marx ist seit Juni 2014 Solutions Architect bei Elastic und war bereits zu Gast bei Talks4Nerds, als es am 19.10.2015 um das Thema „Big Data“ mit Elasticsearch ging. In seinem neuen Vortrag erklärt er, welche Machine Learning-Ansätze bei Prelert zum Einsatz kommen, um Prognosemodelle zu erstellen.

Das Erkennen von Anomalien

Das Zusammenspiel von Elasticsearch und Prelert steht im Fokus. Während die Daten in Elasticsearch vorgehalten werden, setzt Prelert darauf auf und kann aufgrund der historischen Daten Anomalien automatisiert feststellen. Das Programm trainiert sich über die Zeit, und passt das Modell selbstlernend an, je mehr Daten ihm zur Verfügung stehen. So lassen sich Aussagen über die Auslastung von Web-Portalen treffen und genau festlegen, wann zum Beispiel mehr Kapazität benötigt wird. Gleiches gilt auch im Bereich der IT-Sicherheit, wodurch man mithilfe von Prelert „rare items as Anomalies“ Betrugsversuch (Fraud-Detection) erkennen kann.

Mehr Infos zu Talks4Nerds

Mehr Bilder bei Flickr

Verfolgt unsere Veranstaltungen bei Twitter

Schlagworte
empfehlen
empfehlen
Das könnte Sie auch interessieren
Autor
Die Kreativität der Systeme – Machine Learning
Rebecca Klein

Beraterin Kommunikation im IT-Ressort; bloggt über aktuelle IT-Projekte, neue Ansätze und über die Aufgabenfelder unserer IT-Mitarbeiter.

Alle Artikel des Autors
Kommentare

Daten im Zugriff – R+V zu Gast bei elastic{on}tour2016 - R+V BlogR+V Blog / http://www.ruv-blog.de/daten-im-zugriff-rv-zu-gast-bei-elasticontour2016/

09:21 16.02.2017

[…] ich mit Unterstützung von Kollegen und dem höheren Management bei der R+V die Veranstaltung Talks4Nerds ins Leben gerufen habe. Hier wenden wir uns immer wieder innovativen Themen […]