![[Release] Ebook zu Deep Learning](https://www.elitepvpers.com/forum/iconimages/coding-releases/release-ebook-zu-deep-learning_ltr.gif){kind=small}
lange ist es her, dass ich etwas größeres released habe und noch länger ist mein letztes Ebook her. Da sich bei meinem letztem Ebook doch etliche Leute über EPvP bzw. E-Mail bei mir gemeldet und Lob ausgesprochen haben, habe ich beschlossen ein weiteres Ebook zu erschaffen.
Dieses mal geht es um das "Hipster-Gebiet" des "Deep Learnings".
Ich bin mir sicher jeder von euch hat den Hype rund um Deep Learning in den letzten Jahren mitbekommen. Umso interessanter ist es natürlich selbst einmal einen Blick in Deep Learning zu werfen.
Und genau diese Gelegenheit habt ihr jetzt!
Ich habe mich die letzten Monate hingesetzt und ein bisschen was geschrieben, erklärt, gezeichnet und ausprobiert. Das Ergebnis war ein Ebook mit rund 70 Seiten und eine Gesichtserkennungs-Software.
Wie auch das letzte Mal habe ich versucht den Fokus auf Grundideen und Probleme zu setzen und die Mathematik etwas auf Seite zu drängen.
Meistens hat das auch sehr gut geklappt, aber immer ist das natürlich nicht möglich.
Als kleinen Überblick möchte ich euch einmal die Einleitung des Ebooks kopieren:
Zu finden ist das Ebook unter:Quote:
2016 lies Google seine Jahre lang entwickelte künstliche Intelligenz (= KI) auf das Spiel Go los, welches unter KI-Experten als für Computer äußerst schwer spielbar angesehen wurde. Google taufte ihre KI ”AlphaGo” und besiegte mit dieser Software den amptierenden Go-Weltmeister Lee Sedol mit einer Wertung von 4:1. Lee Sedol, der sich vor Beginn der Partien noch siegessicher war, war bereits nach der zweiten verlorenen Runde in Folge beeindruckt: ”AlphaGo spielte fast perfekt.”
Der menschliche Go-Weltmeister war nicht der Einzige, der mit einem so deutlichen Sieg der Maschine niemals gerechnet hatte:
”Global Go fans were shocked, artificial intelligence experts called the moment historic and Google DeepMind CEO Demis Hassabis compared the victory to landing on the moon.”
Dieser Durchbruch basierte im Grunde auf genau zwei Faktoren. Der erste Faktor war natürlich die immense Rechenpower, die Google zur Verfügung steht. In dem Match gegen Lee Sedol nutzte der Großkonzern 1920 CPUs und 280 GPUs zusammengeschlossen in einem Cluster, um den bestmöglichen nächsten Zug zu berechnen. Der zweite Faktor war das Benutzen von dem so genannten ”DeepLearning”, eine Technik basierend auf künstlichen Neuronalen Netzen. So neu und innovativ wie dieses Wort auch klingen mag, die Grundidee der Künstlichen Neuronalen Netze ist schon fast so alt wie der Computer selbst. In den nächsten Kapiteln wollen wir uns daher einmal ansehen was genau Künstliche Neuronale Netze sind, was sie mit DeepLearning zu tun haben und vor allem wie man ein solches Künstliches Neuronales Netz (auch gerne abgekürzt mit ANN – ”Artificial Neural Net” bzw. NN – ”Neural Net”) zur Gesichtserkennung in Bilder verwenden kann.
Wir werden uns sowohl mit den Grundlagen beschäftigen als auch mit aktuellen Forschungsergebnissen und neuen Ideen auf diesem Gebiet. Dabei werde Ich versuchen nicht zu tief in mathematische Theorie einzusteigen und alles so zu erklären, dass man damit als Software-Entwickler etwas anfangen kann. Wir wollen uns DeepLearning besonders als benutzbares Tool für einen Softwareentwickler ansehen, um Probleme zu lösen und nicht als Theorie der Linearen und Nicht-Linearen Transformationen.
Nachdem wir uns die Theorie angeeignet haben, werden wir eine Gesichtserkennung mit dem DeepLearning-Framework ”Caffe” schreiben. Die Entscheidung fiel auf Caffe, weil Caffe es erlaubt Neuronale Netze in einer JSON ähnlichen Form zu erstellen und damit losgekoppelt von konkreten Programmiersprachen funktioniert.
(Backlink ist auf "Über Uns" vorhanden, hoffe das ist ok so, ansonsten einfach PN, wir werden uns da sicher einig
)
