Konferenz für
Machine Learning und Künstliche Intelligenz
Köln, 24.-26. April 2018

Minds Mastering Machines 2018 » Programm »

// Einführung in TensorFlow

Die Grundsteine des heutigen Machine Learnings wurden bereits in den 60er Jahren gelegt. Wer sich allerdings vor 2015 einen Einstieg in dieses interessante Thema finden wollte, musste eine steile Lernkurve in Kauf nehmen. Neben dem enormen theoretischem Wissen, das sich Einsteiger zusammen suchen mussten, kamen Probleme hinzu, die mit der Fachlichkeit wenig zu tun hatten: Ich erinnere mich an unzählige Caffe-Derivate, die untereinander inkompatibel waren und auf veraltete CUDA-Version referenzierten.

Glücklicherweise gibt es mit TensorFlow nun ein Framework, das einen schnellen Einstieg ermöglicht. Neben der einfachen Installation bietet es ausreichend Test- und Trainingsdaten, Jupyter Notebooks und ausreichend Dokumentation für ML-Neulinge.

Nachdem man allerdings die Konsolenzeilen für die Installation kopiert und das MNIST-Notebook ausgeführt hat, beginnt das Fragezeichen auf dem Gesicht zu wachsen:

* Wie bekomme ich MEINE Daten in den Graph?
* Kann TensorFlow auch meinen Use-Case umsetzen?
* Gibt es Möglichkeiten zum Debuggen?
* Warum sind plötzlich meine Shapes inkompatibel?

Diese und weitere Fragen sollen hier in Form einer Einführungsveranstaltung zu TensorFlow geklärt werden.

Vorkenntnisse
* Grundlegende Python-Kenntnisse, sowie einfaches theoretisches Verständnis von „Machine Learning“-Konzepten sind gewünscht.
* Querlesen der TensorFlow-Website vor dem Talk wäre optimal.

Lernziele
Nach einer kurzen Gesamtvorstellung von TensorFlow und den obligatorischen Konsolenbefehlen zur Installation möchte ich auf Fragen eingehen, die dort anfangen, wo die einfachen Tutorials aufhören. Die Zuhörer sollen anhand von Praxisbeispielen einfache Konzepte verinnerlichen, die es ermöglichen, eigene Ideen mit TensorFlow umzusetzen, so dass dabei die Idee selbst und nicht die korrekte Benutzung des Frameworks im
Vordergrund steht.

// Fabian Bormann Fabian Bormann

arbeitet zur Zeit an Projekten im Bereich Machine Learning und Big Data bei IAV in Gifhorn. Zuvor war er in unterschiedlichen Forschungseinrichtungen im Bereich Bioinformatik tätig. Durch seine mehrfache Mitgliedschaft als Mentor/Org Admin beim Google Summer of Code unterstützt er aktiv die Open-Source-Gemeinschaft.