Maschinen anzulernen, damit sie bestimmte Aufgaben erledigen, ist ein alternativer Ansatz zur konkreten Programmierung von Routinen. Machine learning bzw. maschinelles Lernen ist in den vergangenen Jahren in vielen Bereichen selbstverständlich geworden.
Zu verstehen, was genau passiert, wenn Maschinen “lernen” bzw. trainiert werden, ist in unserer Veranstaltung ein wichtiges Ziel. Mit Teachable Machine von Google steht Ihnen ein datenschutzfreundliches Tool zur Verfügung, um spielerisch zu beginnen und dann immer professioneller zu werden.
In dieser Sitzung geht es um zweierlei:
exemplarisch eine Maschine trainieren, um Hunde von Katzen zu unterscheiden
den Vorgang so zu beschreiben, dass er für Außenstehende nachvollziehbar ist.
Ziele
Sie nutzen Teachable Machine, um sich und später anderen die Grundlagen des maschinellen Lernens am Beispiel der Bildklassifizierung zu erläutern.
Sie nutzen Teachable Machine (optional) für Ihr eigenes Projekt.
Sie beschreiben den Vorgang mit eigenen Worten, sodass er für Außenstehende nachvollziehbar ist.
Beispieltext aus der Veranstaltung
So oder ähnlich könnte ein beschreibender (nicht erklärender!) Text lauten:
Das Training von Maschinen
Beim maschinellen Lernen werden Daten verwendet, um Modelle zu trainieren. Dieser Vorgang lässt sich sehr anschaulich mit dem Browsertool Teachable Machine nachvollziehen.
Für das im Folgenden beschriebene Beispiel wurden Daten von Hugging Face verwendet. Diese sind vollständig auf der Plattform unter dem Namen cats_vs_dogs zu finden und in gekürzter Form auf dem GitLab der TU Hamburg.
Durchführung des Trainings mit Teachable Machine
Wie in Abb. 1 zu sehen, werden zwei Klassen cats und dogs angelegt. Anschließend werden 100 Beispielbilder aus dem Ordner cats_train in die Klasse cats hochgeladen, ebenso für die Klasse dogs.
Abb. 1: Die Klassen cats und dogs, mit denen das Modell trainiert werden soll. Quelle: Screenshot von Teachable Machine. Quelle: Screenshot Teachable Machine
Aufträge zur kommenden Sitzung
Video: Grundlagen Teachable Machine
Schauen Sie sich den Anfang des Videos von Dan Shiffman zu Teachable Machine an. Hier wird erläutert, dass Ihr Modell auf einem Basismodell aufbaut.
Schreiben: Fertigstellung des Beschreibungstextes
Überarbeiten Sie den beschreibenden Text zum Training von Teachable Machine. Formulieren Sie ihn so um, dass er sich für Sie passend anhört. Achten Sie darauf, sich sprachlich präzise auszudrücken. Außenstehende müssen verstehen können, was Sie da beschreiben!
