Was ist KI, ML und DL?

• Was ist Künstliche Intelligenz?
• Was ist Maschinelles Lernen?
• Was ist Deep Learning?

Wie hängen sie miteinander zusammen?

AI, ML und DL sind miteinander verwandt. KI ist eine Obermenge von ML und DL. Was wir im Bereich ML und DL machen, fällt alles unter KI. Um sie alle besser zu verstehen, lassen Sie uns eintauchen…

Was ist KI?

• Ein Versuch, intellektuelle Aufgaben zu automatisieren, die von Menschen ausgeführt werden
• KI ist jede Technologie, die es einem System ermöglicht, menschenähnliche Intelligenz zu demonstrieren
• Künstliche Intelligenz und natürliche Intelligenz sind sehr ähnlich.

Wo wird KI eingesetzt?

Heute wird KI meist in allen Branchen eingesetzt. Sie nutzen KI in Ihrem täglichen Leben, sei es beim Kauf von Produkten auf Amazon, beim Lesen von Artikeln auf Google News, beim Anschauen von Netflix oder bei der Nutzung von Google Fotos, um Ihre Erinnerungen zu speichern. Wir sind umgeben von KI und deren Einsatz, um unser Leben besser zu machen.

Google Produkte mit Maschinelles Lernen

• Google Fotos: Durchsuchen Sie Ihre Fotos anhand von Tags, ordnen Sie ähnliche Fotos zusammen, indem Sie das Gesicht der Person erkennen oder die Qualität der Bilder verbessern und vieles mehr…
• Google Translate: Zum Übersetzen von einer Sprache in eine andere.
• Youtube: Gibt Empfehlungen auf Basis eines Videos, das Sie sich angesehen haben.
• Google Lens: Für die Suche nach Informationen anders, es verwendet OCR, um von Bildern zu verstehen oder die Dokumente zu lesen.
• Google Assistant: AI Conversational Agent, der Ihnen helfen kann, eine Menge Dinge zu tun, indem Sie es einfach mit „Ok, Google oder Hey Google“ aufrufen. Er ist das beste Beispiel für Spracherkennung.
• Gmail: Gmail, hat Funktionen wie Smart Reply kann Ihnen viel Arbeit abnehmen, es kann Ihnen auch die nächsten kommenden Wörter in Ihrem Satz empfehlen, die Sie verwenden können.

Was ist symbolische KI (oder klassische KI)?

Es ist ein Zweig der KI-Forschung, der sich mit dem Versuch beschäftigt, menschliches Wissen explizit in Fakten und Regeln darzustellen. Auf der gegebenen Menge von schweren komplexen Regeln und Fakten, können wir eine Maschine machen, die wie menschliche Intelligenz durchführen kann.

Beispiel: Frühe Schachspiele, wurden in unseren PCs hart kodiert und können mit uns spielen, weil sie durch eine Reihe von Regeln und Fakten hart kodiert wurden.

Kann es Bildklassifizierung, Spracherkennung Aufgaben lösen?

Hier kommt, Maschinelles Lernen

So was genau ist ML?

Die Kunst und Wissenschaft von :

1. Computern die Fähigkeit zu geben, zu lernen
2. Entscheidungen aus Daten zu treffen
3. Ohne explizit programmiert zu werden

Klassisches Lernen vs. Maschinelles Lernen

In der traditionellen Programmierung oder klassischen Programmierung, geben wir der Software einen Satz von Regeln und Daten und auf dieser Basis gibt sie uns die entsprechenden Antworten. Wir programmieren die Software hart, um eine bestimmte Aufgabe zu erledigen. Aber maschinelles Lernen verändert die Art und Weise, wie wir bisher gearbeitet haben. Es nimmt einige Daten und Antworten und erstellt darauf basierend einige Regeln und erledigt eine bestimmte Aufgabe, für die es gemacht ist.

Warum Machine Learning?

• Massive globale Nachfrage
• Daten sind Macht!
• Es macht höllisch Spaß!

Übersicht zur Durchführung von maschinellem Lernen

Wir brauchen,

• Eingabedaten
• Beispiele für den erwarteten Output
• Eine Möglichkeit zu messen, ob der Algorithmus „gute Arbeit“ leistet oder nicht.

Beispiel,

• Eingaben sind die Koordinaten unserer Punkte
• Die erwartete Ausgabe sind die Farben der Punkte
• Eine Möglichkeit zu messen, ob unser Algorithmus einen guten Job macht, könnte sein, zum Beispiel der Prozentsatz der Punkte, die korrekt klassifiziert werden.

3 Arten von ML

• Überwachtes Lernen: Verwendung von gelabelten Daten
• Unüberwachtes Lernen: Unbezeichnete Daten verwenden
• Reinforcement Learning: Software-Agenten interagieren mit einer Umgebung

Weitere Informationen zu ML finden Sie hier https://medium.com/codingurukul/understanding-machine-learning-114e85cd3f0e

Was ist Deep Learning?

Intro

• Es ist ein Teilgebiet von ML
• Es ist ein mathematisches Framework zum Lernen von Repräsentationen aus Daten
• Ein mehrstufiges Verfahren zum Lernen von Datenrepräsentationen.
• Wir verwenden „Neuronale Netze“, um tiefere Einblicke in unsere Daten zu gewinnen, indem wir verschiedene Schichten übereinander stapeln.
• Es funktioniert genauso, wie das menschliche Gehirn arbeitet

Warum Deep Learning?

• Hardware

Durch die Zunahme der Rechenleistung können wir Deep-Learning-Aufgaben mit mehr Geschwindigkeit durchführen und unsere Deep-Learning-Modelle in kürzerer Zeit trainieren. Alles dank der „Cloud“.

Google hat auch seine TPUs, um Deep-Learning-Aufgaben mit der Geschwindigkeit von mehr als 10 GPUs der Nvidia Titan X auszuführen.

• Datensätze

Mit der zunehmenden Nutzung des Internets werden die Daten in einer großen Menge gesammelt, die für Deep Learning verwendet werden können, denn Deep Learning benötigt einen großen Datensatz, um bessere Ergebnisse zu erzielen.

• Algorithmische Fortschritte

Es gibt eine Menge Fortschritte in den Algorithmen des Deep Learning, da die Gemeinschaft des maschinellen Lernens immer größer wird. Image Net ist ein gutes Beispiel dafür.

Neuronale Netzwerke

Deep Learning wird mit Hilfe von neuronalen Netzwerken durchgeführt. Sie funktionieren genauso wie das menschliche Gehirn. Das folgende Bild zeigt die Ähnlichkeit von biologischen Neuronen mit künstlichen neuronalen Netzen.

Es besteht aus verschiedenen Schichten, die übereinander gestapelt werden, damit neuronale Netze die Repräsentationen und komplexen Merkmale aus den Daten lernen.

Beispiel,

Dieses Beispiel ist aus dem MNIST-Datensatz, wo wir ein Bild übergeben und es durch verschiedene Schichten geht, um die verschiedenen Darstellungen und komplexen Merkmale der Daten zu verstehen und dann das zugrunde liegende Ergebnis vorherzusagen. Die Bildklassifizierung wird mit Hilfe von Convolutional Neural Networks durchgeführt.

Um mehr über Deep Learning zu erfahren, folgen Sie uns und besuchen Sie https://medium.com/@patidarparas13/what-is-deep-learning-efa0cfbbd6a2

Was DL gelöst hat,

• Bildklassifizierung auf nahezu menschlichem Niveau
• Spracherkennung auf nahezu menschlichem Niveau
• Handschrifttranskription auf nahezu menschlichem Niveau
• Verbesserte maschinelle Übersetzung
• Verbesserte Text-zu-Sprache-Konvertierung
• Digitale Assistenten wie Google Assistant und Amazon Alexa
• Autonomes Fahren auf nahezu menschlichem Niveau Verbesserte Anzeigenausrichtung, wie von Google, Baidu und Bing verwendet
• Verbesserte Suchergebnisse im Web
• Übermenschliches Go-Spielen

Was macht DL anders?

Feature Engineering: Weil es vollständig automatisiert, was früher der wichtigste Schritt in einem Machine-Lern-Workflow war