Alle Artikel mit dem Schlagwort: data science

Machine Learning Deep Learning Merkmalskonstruktion

Neuerscheinungen: Bücher zu Deep Learning und Machine Learning

Während die Kolleg*innen gerade auf der M3-Konferenz – Minds Mastering Machines – in Mannheim weilen und sich dort von einigen KI-Experten wie Mark Whitehorn (Keynote: „Dark Data is your friend“) oder unseren Autoren Ramon Wartala und Oliver Zeigermann persönlich in die aktuell brennendsten Fragen des Deep Learning und Machine Learning sowie der Datenanalyse einführen lassen, nehmen wir die Gelegenheit wahr, Euch hier drei unserer neuesten Bücher zum Thema vorzustellen.  Die Gemeinsamkeit aller drei Neuerscheinungen: Sie richten sich an Entwickler und Data Scientists, die konkrete Projekte und Lösungen für ihren Berufsalltag suchen. Die Musikstücke automatisch erkennen und zuordnen, Hintergründe in Bildern entfernen, Clustermodelle bewerten oder Rohdaten aufbereiten wollen. Die Bücher bauen auf unseren Grundlagenwerken wie Einführung in Machine Learning mit Python, Praxiseinstieg Deep Learning (gerade unser E-Book des Monats und damit 50 % günstiger) und natürlich unseren Dauerbrenner und Bestseller Neuronale Netze selbst programmieren auf.  Fangen wir an. Deep Learning Kochbuch Der Einsatz von Frameworks wie Keras und TensorFlow ermöglicht Deep-Learning-Anwendungen, ohne dass tiefgreifende Kenntnisse aus dem Machine Learning nötig sind. In bewährter Problem-Lösung-Diskussion-Struktur liefert das Deep …

jupyter

Was ist Jupyter?

Die erste, ganz lapidare Antwort lautet: Das kommt drauf an. Mit Jupyter können tatsächlich mehrere Dinge gemeint sein. Da wäre zum einen das Projekt Jupyter, eine Initiative für Open-Source-Software bzw. offene Standards und Dienste, die ihren Fokus auf Interactive Computing mit Unterstützung möglichst vieler Programmiersprachen gerichtet hat. Projekt Jupyter bietet verschiedene Produkte an. Zur Zeit sind das: Jupyter Notebook, Jupyter Kernels, Jupyter Hub und Jupyter Lab. Wenn irgendwo der Begriff „Jupyter“ fällt, ist meistens Jupyter Notebook gemeint – oder noch genauer: Die Anwendung Jupyter Notebook, mit der man sich ein digitales Dokument bauen kann, das ebenfalls Jupyter Notebook heißt. In diesem Post wollen wir uns vor allem mit der Notebook-Software und dem damit produzierten Output beschäftigten. Was ist nun besonders an einem Jupyter Notebook? Man könnte es wohl als das ultimative Digitalnotizbuch bezeichnen. Vergesst Wikis und Google Drive und Evernote – Jupyter gestattet neben der eleganten Einbindung von Texten, Links, Bildern und Videos auch das Listing von Code und dessen Ausführung in Häppchen an Ort und Stelle. Sprich: Ein Jupyter Notebook kann auch interaktive Karten …

Einführung in TensorFlow

Neuerscheinung: Einführung in TensorFlow

Edmond de Belamy ist ein großartiger Künstler – und das ganz ohne blutige Legende (van Gogh), omnipräsentes Motiv (Blaue Reiter) oder unappetitliche Installationen (Beuys). Ein Pionier –  ohne Exzesse, dafür mit viel Disziplin und Lernwillen. Einer, der sein finanziell bislang erfolgreichstes Kunstwerk nicht mit einer Signatur, sondern mit min G max D Ex[log(D(x))]+Ez[log(1-D(G(z)))]  unterzeichnete. Und der im Aktionshaus Christie’s 432.500 Dollar eingenommen, sie aber nicht persönlich abgeholt hat.              Sieh dir diesen Beitrag auf Instagram an                     D-3 before the auction. The stress is getting quite important right now. See you on Thursday for the verdict. – #christies #auction #belamy #obvious Ein Beitrag geteilt von OBVIOUS (@obvious_art) am Okt 22, 2018 um 9:55 PDT Künstlich statt künstlerisch Denn, und diese Nachricht schaffte es kürzlich in die internationale Presse: de Belamy ist selbst eine Kunstfigur, die für das französische Künstlerkollektiv Obvious steht. Sein Name stellt einen Bezug zum KI-Forscher Ian Goodfellow her, und gemalt hatte das in London versteigerte Bild kein mit besonderen Begabungen …

Machine Learning

Kolophon #18: Machine Learning

Was hat Machine Learning mit Synthesizern zu tun? Wie trainiert man Algorithmen? Und warum helfen wir wahrscheinlich alle mit, Googles Intelligenz zu füttern? Für unsere neue Podcast-Folge Kolophon #18 spricht Tim Pritlove mit Oliver Zeigermann. „In den Neunzigern ging eigentlich gar nichts mit Künstlicher Intelligenz, das war sehr ernüchternd“, sagt unser Autor Oliver Zeigermann im Gespräch mit Tim Pritlove. Und ergänzt, dass er selbst auch desillusioniert war. Dabei brennt er seit früher Jugend für Daten und Code – und beschäftigt sich deshalb heute als Entwickler, Architekt, Berater und Coach mit Deep Learning, Neuronalen Netzen und Machine Learning.  Im Gespräch mit Tim Pritlove definiert Oliver die wesentlichen Begriffe, berichtet von Meilensteinen der AI und wie er diese persönlich erlebt hat und erklärt sehr anschaulich den Prozess des maschinellen Lernens. In dieser Podcast-Folge könnt Ihr unheimlich viel lernen – und gleichzeitig ist es ein bisschen so, als würdet Ihr in einer Kneipe sitzen und den beiden einfach nur beim Fachsimpeln und Anekdoten tauschen zuhören.  Unser unbedingter Hörtipp – zum Kolophon #18 geht es hier entlang.  Oliver Zeigermann hat …

R für Data Science

E-Book-Deal: R für Data Science

Gesammelte Daten in Erkenntnisse verwandeln: Das ist das Ziel jedes Forschers und Wissenschaftlers, jedes Entwicklers, jedes Produktmanagers und Werbers und wohl jedes Unternehmers. Was ließe sich erreichen, wenn man aus dem Wust an Einzelinformationen über ein Produkt oder über einen Kunden, über Prozesse oder über Geschehnisse, über Eindrücke und Gedanken ein klares Bild ableiten könnte? Moderne Data Science will genau das. Und mit der Datenbanksprache R gibt es ein Tool, das Antworten liefern kann. Hadley Wickham – Chief Scientist bei RStudio und Mitglied der R Foundation – und sein Co-Autor Garrett Grolemund – Statistiker, Lehrer und Master Instructor bei RStudio – führen in ihrem Buch „R für Data Science“ Studenten, Data Scientists und Datenanalysten durch den vollständigen Data-Science-Zyklus aus Datenimport, Bereinigung, Transformation, der Visualisierung und Modellierung sowie schließlich der Kommunikation der Ergebnisse mit R Markdown. Das Buch gibt die notwendigen Tools an die Hand, erklärt und ordnet ein. Und zwar nicht nach einer streng akademischen Reihenfolge, sondern immer genau dann, wenn eine Aufgabe in der Praxis ansteht. Es eignet sich auch für Programmieranfänger. Nur im Juni gibt’s das E-Book …