GMU:Learning Machines: Difference between revisions

From Medien Wiki
No edit summary
No edit summary
 
(11 intermediate revisions by 3 users not shown)
Line 1: Line 1:
'''Der Kurs gibt einen Einblick in die Funktionsweise von Machine Learning Systemen und soll den theoretischen und praktischen Umgang mit dieser Technologie vermitteln. Neben der Befähigung zur künstlerischen und kritischen Reflexion, steht die Kommunikationskompetenz mit den Fachbereichen der Informatik im Vordergrund.'''
21.10. -  24.10.2019,<br/>
25.11. - 28.11.2019<br/>
Dr.phil. Alexander König http://www.media-art-theory.com
 
==Lernmaschinen==
Der Kurs gibt einen Einblick in die Funktionsweise von Machine Learning Systemen und soll den theoretischen und praktischen Umgang mit dieser Technologie vermitteln. Neben der Befähigung zur künstlerischen und kritischen Reflexion, steht die Kommunikationskompetenz mit den Fachbereichen der Informatik im Vordergrund.


Theoretische Grundlagen:
Theoretische Grundlagen:
* Theoretische Einführung in die Geschichte der AI (Kybernetik bis Machine Leraning)
* Begriffsdefinitionen (Was ist „Künstliche Intelligenz“ etc.)
* Definitionen der Verschiedenen Arten von Machine Learning
* Kurze Erläuterung der mathematischen Grundlagen
* Exkurs über Datensätze und Training
* Reflektion über Sprachauffassung 


*Theoretische Einführung in die Geschichte der AI (Kybernetik bis Machine Leraning)
Praktische Grundlagen Block I – Big Data 21.10. bis 25.10.2019 :
*Begriffsdefinitionen (Was ist „Künstliche Intelligenz“ etc.)
* Einführung in die Benutzung von Jupyter Notebooks
*Definitionen der Verschiedenen Arten von Machine Learning
* Research  nach Datensätzen
*Kurze Erläuterung der mathematischen Grundlagen
* Programmierung intelligenter Systeme mit Scikit-Learn
*Exkurs über Datensätze und Training
* Visualisierung
 
 
Konkrete Anwendung:
 
*Installation von Tensorflow, GPU enable (CUDA etc.), Einführung in Tensorboard
*Classification und Object Detecton
*Praktische Anwendungen für Künstler, Einführung in Skripte (Style-Transfer, Pix2Pix)
 


Praktische Grundlagen Block II – Natural Language Processing (NLP) 25.11. bis 29.11.2019:
* Einführung in NLP
* Nutzung von NLTK
* Grundlagen Word2vec
* Visualisierung
   
   
== Learning Machines ==
The course gives an insight into the functionality of machine learning systems and is intended to convey the theoretical and practical handling of this technology. In addition to the ability to artistically and critically reflect, the focus is on communication competence with the faculties of computer science.


'''The lecture gives an introduction to machine learning and teaches the theoretical and practical use of this technology. In addition to the aptitude for artistic and critical reflection, the communication competence with computer scientists is of main interest.'''
Theoretical basics:
 
* Theoretical introduction to the history of AI (cybernetics to machine learning)
Theoretical basics:  
* Definitions of terms (What is "artificial intelligence" etc.)
*Theoretical Introduction to the History of AI (Cybernetics to Machine Leraning)  
* Definitions of the Different Types of Machine Learning
*Definitions (What is "Artificial Intelligence" etc.)  
* Short explanation of the mathematical basics
*Definitions of Different Types of Machine Learning  
* Excursus on data sets and training
*Short explanation of the mathematical basics  
* Reflection on language perception 
*Excursus on datasets and training  
 


Application:  
Practical Basics Block I - Big Data 21.10. to 25.10.2019 :
* Introduction to the use of Jupyter notebooks
* Research for data sets
* Programming of intelligent systems with Scikit-Learn
* Visualization


*Installation of Tensorflow, GPU enable (CUDA etc.), introduction to Tensorboard
Practical Basics Block II - Natural Language Processing (NLP) 25.11. to 29.11.2019:
*Classification and Object Detection
* Introduction to NLP
*Practical applications for artists, introduction to scripts (style transfer, Pix2Pix)
* Use of NLTK
* Basics Word2vec
* Visualization


___________________


Dr.phil.Alexander König
[[Category:SS19]] [[Category:Fachmodul]]
http://www.media-art-theory.com

Latest revision as of 21:20, 20 October 2019

21.10. - 24.10.2019,
25.11. - 28.11.2019
Dr.phil. Alexander König http://www.media-art-theory.com

Lernmaschinen

Der Kurs gibt einen Einblick in die Funktionsweise von Machine Learning Systemen und soll den theoretischen und praktischen Umgang mit dieser Technologie vermitteln. Neben der Befähigung zur künstlerischen und kritischen Reflexion, steht die Kommunikationskompetenz mit den Fachbereichen der Informatik im Vordergrund.

Theoretische Grundlagen:

  • Theoretische Einführung in die Geschichte der AI (Kybernetik bis Machine Leraning)
  • Begriffsdefinitionen (Was ist „Künstliche Intelligenz“ etc.)
  • Definitionen der Verschiedenen Arten von Machine Learning
  • Kurze Erläuterung der mathematischen Grundlagen
  • Exkurs über Datensätze und Training
  • Reflektion über Sprachauffassung

Praktische Grundlagen Block I – Big Data 21.10. bis 25.10.2019 :

  • Einführung in die Benutzung von Jupyter Notebooks
  • Research nach Datensätzen
  • Programmierung intelligenter Systeme mit Scikit-Learn
  • Visualisierung

Praktische Grundlagen Block II – Natural Language Processing (NLP) 25.11. bis 29.11.2019:

  • Einführung in NLP
  • Nutzung von NLTK
  • Grundlagen Word2vec
  • Visualisierung

Learning Machines

The course gives an insight into the functionality of machine learning systems and is intended to convey the theoretical and practical handling of this technology. In addition to the ability to artistically and critically reflect, the focus is on communication competence with the faculties of computer science.

Theoretical basics:

  • Theoretical introduction to the history of AI (cybernetics to machine learning)
  • Definitions of terms (What is "artificial intelligence" etc.)
  • Definitions of the Different Types of Machine Learning
  • Short explanation of the mathematical basics
  • Excursus on data sets and training
  • Reflection on language perception

Practical Basics Block I - Big Data 21.10. to 25.10.2019 :

  • Introduction to the use of Jupyter notebooks
  • Research for data sets
  • Programming of intelligent systems with Scikit-Learn
  • Visualization

Practical Basics Block II - Natural Language Processing (NLP) 25.11. to 29.11.2019:

  • Introduction to NLP
  • Use of NLTK
  • Basics Word2vec
  • Visualization