Evolution und KI

Begruessung, Vorstellung

Einleitung

Begriffe und Abgrenzungen

• KI
• Maschinelles Lernen
• (Kuenstliche) Neuronale Netze
• Betreutes/unbetreutes Maschinelles Lernen

Anwendungsbeispiele fuer ML

• Bildklassifizierung, Mustererkennung
• Internetsuche
• Meinungsforschung (-manipulation?)
• Spiele (Schach, Go)
• Kreative Neuronale Netze

Struktur Neuronaler Netze

• Analogie zur Biologie
• kuenstliche Neuronen:
  • Eingaenge
  • Gewichte
  • Verschiebung/Bias
  • Aktivierungsfunktion
  • Ausgang
• Struktur eines Neuronalen Netzes:
  • Eingangsschicht
  • Versteckte ('tiefe') Ebenen
  • Ausgangsschicht

Training Neuronaler Netze

• Trainingsdaten
• Splitten der Trainingsdaten
• Uebertraining
• Training mit Feedback loop.
  • Formulierung des Optimierungsproblems
  • Die Gradientenmethode
  • Der Backpropagation Algorithmus
• Kurzreferat: Vektoren, Matrizen oder Funktionen und Ableitungen

Genetischer Algorithmus

Genotyp und Phaenotyp

Hyperparameter als Chromosom eines Netzwerks

Selektion

Rolle des Zufalls

Genetischer Algorithmus zur Optimierung der Hyperparameter

Anwendungsbeispiel

Der MNIST Datensatz

• Groesse des Datensatzes
• Beispielbilder
• Bestes Netzwerk
• Vorfuehren eines Trainingslaufs

Einfuehrung in die Programmierumgebung

• Anmeldung
• Oeffnen des Notebooks
• Navigation und Ausfuehren von Zellen
• Vorfuehren einer Generation
• Austausch und Synchronisation der ausgewaehlten Modelle

Durchfuehren der Simulation

Analyse der Resultate

Zusammenfassung und Ausblick

Präsentation in slides.html konvertieren:

jupyter nbconvert Evolution_und_KI.ipynb --to slides --no-prompt --TagRemovePreprocessor.remove_input_tags={\"hide-input\"} --ServePostProcessor.port=8910 --ServerPostProcessor.ip='0.0.0.0' --SlidesExporter.reveal_theme=simple

Simple http server starten:

python -m http.server --bind x.x.x.x

Then go to http://thisserver.xyz:8000