Möchten Sie mit Ihrem Team teilnehmen? Ab drei Personen profitieren Sie von unseren Gruppenrabatten! Direkt im Shop buchen!

Deep Learning mit Small Data

Big Data ist der Treibstoff für Deep Learning. Aber was kann ich tun, wenn meine vorhandenen Datenmengen zu klein sind, um die Parameter meines Machine-Learning-Modells ausreichend zu trainieren? Dies ist eines der größten Hindernisse auf dem Weg zum erfolgreichen Einsatz von Machine Learning.

In diesem Vortrag werden Deep-Learning-Anfängern und Machine-Learning-Praktikern die Herausforderungen von kleinen Datensets anschaulich erläutert. Anschließend werden Strategien vorgestellt, die auch mit Small Data zum Erfolg führen. Dabei wird gezeigt, wie man mit Hilfe von verschiedenen Data-Augmentation-Verfahren einen Bild-, Text- oder Zeitreihen-Datensatz vergrößern kann. Auch der Einsatz von vortrainierten neuronalen Netzen und Transferlearning wird vorgestellt, damit Small Data nicht zu einem großen Problem wird.


Vorkenntnisse

* Grundlegende Kenntnisse der Funktionsweise von Machine-Learning-Verfahren
* Grundverständnis neuronaler Netzwerke

Lernziele

* Schwierigkeiten beim Einsatz von Machine Learning mit Small Data
* Überblick Data-Augmentation-Verfahren
* Transferlearning
* GANs für Data Augmentation

Speaker

 

Hauke Brammer
Hauke Brammer arbeitet als Senior Consultant bei der Novatec Consulting GmbH. Hier unterstützt er Kunden in den Bereichen Application Development, Cloud-Anwendungen und Microservices. Als Topic Lead für Machine Learning interessiert er sich besonders für Data Augmentation und Deep-Learning mit Small- und Big Data.

M3-Newsletter

Sie möchten über die Minds Mastering Machines
auf dem Laufenden gehalten werden?

 

Anmelden