Künstliche Intelligenz und maschinelles Lernen, neuronale Netzwerke und Deep Learning – nichts davon ist wirklich neu. Und doch ist die Zahl der Vorträge und Veröffentlichungen, der Onlinekurse und Workshops rund um alles, was mit Machine Learning zu tun hat, in der letzten Zeit ins schier Unermessliche gestiegen. Leistungsstarke Hardware und der Zugriff auf immer mehr Cloud-Dienste für immer mehr Anwender sind sicherlich ein Grund dafür. Wie auch Sie einen Einstieg ins Machine Learning finden, zeigt Ihnen dieser shortcut.Zunächst zeigt Ihnen Dr. Andreas Bühlmeier die mathematischen Grundlagen, die Machine Learning überhaupt erst möglich machen, und stellt einige der wichtigsten und meistgebrauchten Algorithmen vor. Christoph Henkelmann erläutert, wie Texte richtig vorbehandelt werden, damit sie überhaupt von Machine- und Deep-Learning-Algorithmen verarbeitet werden können. Was man dann damit machen kann, und wie man von der Text- und Spracherkennung zur Emotionserkennung kommt, erläutern Shahin Amiriparian, Maximilian Schmitt und Björn Schuller anhand eines ausführlichen Beispiels. Und dass es für erste eigene Versuche mit Machine Learning nicht unbedingt spezialisierte Hardware und neue Programmiersprachen braucht, beweist Oliver Zeigermann, indem er mit TensorFlow.js einfache Anwendungen nur mit JavaScript im Browser erstellt.

Künstliche Intelligenz und maschinelles Lernen, neuronale Netzwerke und Deep Learning – nichts davon ist wirklich neu. Und doch ist die Zahl der Vorträge und Veröffentlichungen, der Onlinekurse und Workshops rund um alles, was mit Machine Learning zu tun hat, in der letzten Zeit ins schier Unermessliche gestiegen. Leistungsstarke Hardware und der Zugriff auf immer mehr Cloud-Dienste für immer mehr Anwender sind sicherlich ein Grund dafür. Wie auch Sie einen Einstieg ins Machine Learning finden, zeigt Ihnen dieser shortcut.Zunächst zeigt Ihnen Dr. Andreas Bühlmeier die mathematischen Grundlagen, die Machine Learning überhaupt erst möglich machen, und stellt einige der wichtigsten und meistgebrauchten Algorithmen vor. Christoph Henkelmann erläutert, wie Texte richtig vorbehandelt werden, damit sie überhaupt von Machine- und Deep-Learning-Algorithmen verarbeitet werden können. Was man dann damit machen kann, und wie man von der Text- und Spracherkennung zur Emotionserkennung kommt, erläutern Shahin Amiriparian, Maximilian Schmitt und Björn Schuller anhand eines ausführlichen Beispiels. Und dass es für erste eigene Versuche mit Machine Learning nicht unbedingt spezialisierte Hardware und neue Programmiersprachen braucht, beweist Oliver Zeigermann, indem er mit TensorFlow.js einfache Anwendungen nur mit JavaScript im Browser erstellt.