In diesem Artikel gehe ich einmal genauer auf die Bedeutung von Aktivierungsfunktionen in einem neuronalen Netzwerk ein. Wie bereits in meinem ersten Video (Artikel folgt) zu neuronalen Netzen erläutert, dient die Aktivierungsfunktion unter anderem dazu, ein nicht lineares Modell auf Basis des neuronalen Netzwerks zu erzeugen. Alle anderen Operationen in einem neuronalen Netzwerk sind nämlich […]
Machine Learning
Beiträge zum Thema Machine Learning
Gradient Descent – Ein numerisches, iteratives Verfahren zur Lösung eines Minimierungsproblems
Das Gradient Descent Verfahren ist ein numerisches, iteratives Verfahren, um das lokale Minimum (oder Maximum) einer differenzierbaren Funktion zu finden. Die Idee hinter dem Verfahren ist, wiederholte Schritte in die entgegengesetzte Richtung des Gradienten (oder des approximierten Gradienten) der Funktion am aktuell betrachteten Punkt zu machen. Somit nähert man sich, bei korrekt gewählter Schrittweite, automatisch […]
Lineare Regression – Ein einfaches Machine Learning Modell
Die lineare Regression gehört zum Supervised Learning und dort im Speziellen zur Unterkategorie Regression. Das heißt, zur Anwendung der linearen Regression werden gelabelte Daten benötigt und der Output der linearen Regression ist ein numerischer Wert. Die lineare Regression beruht auf der Grundidee, den Zusammenhang zwischen den bekannten Features und der zu prädizierenden Variable durch eine […]
Reinforcement Learning – Lernen durch Belohnung
Beim Reinforcement Learning befindet sich ein sogenannter Agent in einer abgegrenzten Umgebung und interagiert mit dieser. In dieser Umgebung soll der Agent mittels der Trial-and-Error-Methode eine Strategie entwickeln, die auf der Gabe von hypothetischen virtuellen Belohnungen basiert. Im Englischen wird die entwickelte Strategie als Policy und die Belohnungen als Rewards bezeichnet. Der Agent observiert die […]
Unsupervised Learning – Ein Überblick über Modelle und Anwendungen
Unsupervised Learning, im Deutschen auch als unüberwachtes Lernen bekannt, ist eine Methode des maschinellen Lernens, bei der ein Algorithmus Muster und Strukturen in Daten erkennt, ohne dass diese zuvor gelabelt oder kategorisiert wurden. Im Gegensatz zum Supervised Learning aus dem vorigen Artikel, bei dem ein Modell auf der Grundlage von gelabelten Daten trainiert wird, hat […]
Supervised Learning – Lernen mit gelabelten Daten
Beim Supervised Learning wird das Training des Modells mit gelabelten Daten durchgeführt. Gelabelte Daten sind Daten, die die zu prädizierende Größe enthalten. Möchte man also etwa Objekte im Straßenverkehr aus Bildern detektieren, so müssten die Daten, in diesem Falle die Bilder, mit denen das Modell trainiert wird, Informationen über die vorhandenen Objekte enthalten. Dies ist […]
Machine Learning Workflow – 6 Schritte zur Lösung eines Machine Learning Problems
In diesem Artikel gehe ich auf den Workflow respektive die Schritte ein, die man durchführt, um ein Machine Learning Problem zu bearbeiten. Dieses Bild zeigt den vollständigen Ablauf, der mit dem Sammeln der Daten beginnt und mit dem Testen des finalen Modells endet. Der Ablauf ist dabei meist nicht so linear, wie er hier dargestellt […]
Machine Learning Einführung – Was ist eigentlich Machine Learning?
In diesem Artikel gebe ich euch eine kurze Einführung in das Thema Machine Learning. Dabei gehe ich zunächst auf unterschiedliche Begriffe in diesem Bereich ein und erläutere diese. Anschließend stelle ich euch vor, was ein Machine Learning Problem eigentlich ist und wie man dieses sowohl analytisch als auch grafisch darstellen kann. Abschließend gebe ich einen […]