Deep-Learning-Algorithmen mit Python und Keras selbst programmieren
Mit ein paar Zeilen Code und der Python-Bibliothek Keras programmieren Sie Deep-Learning-Algorithmen am heimischen Rechner.
Computer arbeiten zwar Millionen von Befehlen pro Sekunde ab, es muss aber stets ein Programmierer festlegen, was die Maschine wann tun soll. Das ist das Prinzip klassischer Programme von Menschenhand.
Beim maschinellen Lernen (ML) bleibt der Rechner zwar gleich dumm, dank vorgegebener lernfähiger Algorithmen können sie sich jedoch selbstständig an eine Herausforderung anpassen. Diese Anpassung erfolgt in einer Trainingsphase, in der die Algorithmen Tausende von Beispielen zu sehen bekommen und interne Parameter dabei so verändern, dass sie möglichst gut den Beispielen entsprechen. Ein Lernalgorithmus startet also zumeist in einem Zustand, in dem er kein Problem zufriedenstellend löst. Durch das Training spezialisiert er sich auf die Aufgabe, die der Datensatz implizit vorgibt. Erst nach dem Training meistert der Algorithmus die gestellte Herausforderung, was Data Scientists als "Inferencing" bezeichnen.
Solche lernfähigen Algorithmen gibt es bereits seit vielen Jahrzehnten. Die "klassischen Verfahren" bauen auf einfachen Ideen auf. K-Nearest-Neighbour sucht beispielsweise eine vorgegebene Zahl (k) an Beispielen aus den Trainingsdaten, die am ehesten zu einer neuen Eingabe passt, und mittelt für seine Vorhersage die Ausgaben aus diesen Beispielen. Entscheidungsbäume lernen, anhand einer Kaskade von Wenn-Dann-Entscheidungen die passenden Ausgaben zu liefern. In der ersten Kinect hat diese einfache Idee gereicht, damit Microsoft damit Körperteile erkannte. Bayesian-Networks, Hidden-Markov-Models und Support-Vector-Machines erstellen alle automatisierte Statistiken und liefern teils erstaunlich gute Ergebnisse. Die Qualität der Vorhersagen hängt nämlich nur bedingt vom verwendeten Algorithmus ab. Auch klassische effiziente ML-Algorithmen liefern mit guten Trainingsdaten akkurate Resultate.
Immer mehr Wissen. Das digitale Abo für IT und Technik.
Was Windows 11 Version 24H2 Neues bringt – und was rausfliegt
Karrierewechsel: Warum sich ein Informatikstudium auch für Quereinsteiger lohnt
Virtualisierung: Wie man Proxmox Virtual Environment produktiv nutzt
Im Test: Zehn USB-SSDs und -Sticks mit 1 oder 2 TByte Speicherplatz
Wie eine lokale KI die Fotosammlung auf dem NAS verschlagworten kann
Security: Passkeys mit Open-Source-Tools nutzen
Immer mehr Wissen. Das digitale Abo für IT und Technik.
Was Windows 11 Version 24H2 Neues bringt – und was rausfliegt
Karrierewechsel: Warum sich ein Informatikstudium auch für Quereinsteiger lohnt
Virtualisierung: Wie man Proxmox Virtual Environment produktiv nutzt
Im Test: Zehn USB-SSDs und -Sticks mit 1 oder 2 TByte Speicherplatz
Wie eine lokale KI die Fotosammlung auf dem NAS verschlagworten kann