1. MLUGS Treffen im November 2017

    Unser vierzehntes Treffen ist am Dienstag, dem 21.11. in der Marienstrasse 23 bei aexea.

    Themen:

    • Uwe Sterr - Entity Embeddings of Categorical Variables - https://arxiv.org/pdf/1604.06737.pdf

    • Wilhelm Brasch - OCR mit Deep Learning

    • Michael Käufl - Hidden Technical Debt in Machine Learning Systems

    Wann:

    21. November 2017 um 18:30

    Wo:

    Marienstrasse 23, Stuttgart-West, aexea (1. OG)

    Bitte meldet euch an unter:

    https://www.letsmeet.click/c/machine-learning-user-group-stuttgart

  2. Bericht MLUGS Treffen im Oktober 2017

    Protokoll

    Vorstellungsrunde

    • Andreas; AX Semantics; Software-Entwickler
    • Wilhelm; Software-Entwickler, privat ML
    • Uwe; macht Raumfahrt, ML in der Raumfahrt
    • Barbara; macht Steno
    • Jörg; Privat; Buchhaltung

    Kaggle - Zillow’s Home Value Prediction

    https://www.kaggle.com/c/zillow-prize-1#timeline

    Deadline war am 2017-10-16.

    Object-Detection

    viele machen gerade (wieder) Object-Detection. Weil jetzt genug Leute Zeit hatten, um https://research.googleblog.com/2017/06/supercharge-your-computer-vision-models.html auszuprobieren.

    Paperspace

    https://www.paperspace.com/&R=BI3LIF (mit referral code gibt es 10$ Guthaben zum rumspielen.)

    next

    Termin: 2017-11-21 Thema: Entity Embeddings of Categorical Variables - https://arxiv.org/pdf/1604.06737.pdf

  3. MLUGS Treffen im Oktober 2017

    Unser dreizehntes Treffen ist am Dienstag, dem 17.10. in der Marienstrasse 23 bei aexea.

    Themen:

    • Kaggle: Zillow’s Home Value Prediction - Nachbesprechung

      https://www.kaggle.com/c/zillow-prize-1#timeline

    • (weitere Vorschläge sind willkommen!)

    Wann:

    17. Oktober 2017 um 18:30

    Wo:

    Marienstrasse 23, Stuttgart-West, aexea (1. OG)

    Bitte meldet euch an unter:

    https://www.letsmeet.click/c/machine-learning-user-group-stuttgart

  4. Bericht MLUGS Treffen im September 2017

    Protokoll

    Vorstellungsrunde

    • Andreas; Aexea; Software-Entwickler
    • Frank; hat eine eigene Firma; interessiert sich für chatbots
    • Michael; Aexea; Softwa
    • Wilhelm; macht privat ML; Software-Entwickler
    • Andreas; ; Software-Entwickler
    • Jörg; privat; hat Kurs zu ML beendet, finance
    • Christian; Daimler; Software-Entwickler
    • Andreas; Luft- und Raumfahrttechniker, macht noch kein ML, macht python in der Raumfahrt
    • Benjamin; technischer BWLer; ist interessiert

    +1 Nachzügler

    Andreas Madsack - Feuchtigkeitsmessung aus Fotos mittels CNNs

    Original Talk: https://cfp.mrmcd.net/2017/talk/EFZ97G/ (inklusive youtube video)

    Data, Code and Experiment: https://github.com/mfa/cress-classify

    Kaggle - Zillow’s Home Value Prediction

    https://www.kaggle.com/c/zillow-prize-1#timeline

    • eine Lösung unter Verwendung von (Floydhub)[https://floydhub.com/] von Andreas

    misc

    • https://www.coursera.org/specializations/deep-learning
    • https://www.youtube.com/watch?v=IxQtK2SjWWM

    Instructors:

    • Chris Manning
    • Richard Socher

    next

    Termin: 2017-10-17 Themen: - Zillow Competition Nachbesprechung

  5. MLUGS Treffen im September 2017

    Unser zwölftes Treffen ist am Dienstag, dem 19.9. in der Marienstrasse 23 bei aexea.

    Themen:

    • Andreas Madsack - Feuchtigkeitsmessung aus Fotos mittels CNNs

      Schrittweise Demo des CNN aus https://cfp.mrmcd.net/2017/talk/EFZ97G/

    • Kaggle: Zillow’s Home Value Prediction

      https://www.kaggle.com/c/zillow-prize-1#timeline

    Wann:

    19. September 2017 um 18:30

    Wo:

    Marienstrasse 23, Stuttgart-West, aexea (1. OG)

    Bitte meldet euch an unter:

    https://www.letsmeet.click/c/machine-learning-user-group-stuttgart

  6. Bericht MLUGS Treffen im Juni 2017

    Protokoll

    Vorstellungsrunde

    • Andreas; Aexea; Software-Entwickler
    • Uwe; macht Raumfahrt; will ML in der Raumfahrt umsetzen
    • Eva; macht app/webapp; next personalisierung
    • Wilhelm; Software-Entwickler; macht DL privat
    • Jörg; Finance/Accounting
    • Andreas; Agrarinformatiker; Milchauswertungen
    • Ashant; E-Commerce; ERP/Personalisierung
    • Frank; App/Web und ML nebenher
    • Nandor; arbeitet mit Frank; macht Bioinformatik
    • Oliver; Optikerabrechnungszentrum; hat viele Daten
    • Sebastian; macht Big-Data auf dem Mainframe
    • Andreas; Luft- und Raumfahrttechniker; ist interessiert an ML

    • 1 Nachzügler

    Uwe Sterr - Timeseries Prediction

    • thema heute: feature extraction / nicht das ANN
    • bivariante / univariante (non)-linear measures
    • univariante linear measures:
      • variance, skewness, kurtosis are important statistical moments
      • FFT
      • Wavelets
      • Autoregressive moving averages
    • bivariante linear measures:
      • maximum linear cross-correlation
      • linear coherence (simmilarity between signals over time)
    • bivariante non-linear measures
      • non-linear interdepence (how do signals correlate in a non-linear system?)
      • phase synchronization measures
    • decomposition of time series:
      • observed, trend, seasonal, random are measures that we want to tackle with ML and use as an input rather than the "raw" data.
      • neural networks may replace standard algorithms

    Sebastian Muszytowski - Optical quality control on texture images

    • sollte was mit ML machen, weil es cool ist
    • Problem: Qualistätskontrolle von Defekten auf Texturen
    • erster Ansatz: alles in ein CNN. Fehlerquote von 100%
    • zweiter Ansatz: alles kleiner machen; statt 512x512 in 16x16 -> Problem overfitting
    • dritter (erfolgreicher) Ansatz: verwendet eine graustufenerkennungsalgorithmus und deren Ausgabe wird in ein NN gesteckt.
    • Learning: nicht alle Bildprobleme sind für CNN geeignet

    Nandor Poka, Gerhardt Informatik - Big Data problem(s) in biology / bio informatics: a short introduction to bio informatics and a few typical problems that are either data or computation intensive

    • macht PhD in Micro-Biologe
    • seit gestern arbeitet er in Stuttgart
    • "Human Genome Project" hat die Bioinformatik in den 00er Jahren deutlich voran gebracht
    • Areas
      • sequence analysis
      • image/signal processing
      • gene/protein expression
      • network and systems biology
    • current representation in sequencing: De Bruijn graph
    • aktuelles Problem: Parallelisierung von Graphenalgorithmen in einem verteilten System
    • How big is the current data:
      • for each sequencing performaned there is GB to TB of data
      • de-novo assembly size of millions of nodes is data intense
      • aligning read data - matching millions of sequences is compute intense

    next

    • 19.9.
    • Hausaufgabe: https://www.kaggle.com/c/zillow-prize-1
  7. MLUGS Treffen im Juni 2017

    Unser elftes Treffen ist am Dienstag, dem 20.6. in der Marienstrasse 23 bei aexea.

    Themen:

    • Uwe Sterr - Timeseries Prediction
    • Sebastian Muszytowski - Optical quality control on texture images
    • Nandor Poka, Gerhardt Informatik - Big Data problem(s) in biology / bio informatics: a short introduction to bio informatics and a few typical problems that are either data or computation intensive

    Wann:

    20. Juni 2017 um 18:30

    Wo:

    Marienstrasse 23, Stuttgart-West, aexea (1. OG)

    Bitte meldet euch an unter:

    https://www.letsmeet.click/c/machine-learning-user-group-stuttgart

  8. Bericht MLUGS Treffen im April 2017

    Protokoll

    Vorstellungsrunde

    • Andreas;aexea;Software-Entwickler
    • David;Diconium;Digital Analytics Consultant
    • Georg;;Dualer-Student Informatik
    • Alex;aexea;us-business-development
    • Michael;aexea;Software-Entwickler
    • Uwe;St2C;CEO
    • Ashant;;CEO

    1 Nachzügler

    kaggle Hands-On Titanic dataset

    a) using kaggle-website: - https://www.kaggle.com/c/titanic/kernels -> new script - i.e. https://www.kaggle.com/mfandreas/titanic/first-try/edit

    b) running in docker locally - https://github.com/Kaggle/docker-python

    docker run -v $PWD:/tmp/working -w=/tmp/working -p 8888:8888 --rm -it kaggle/python jupyter notebook --no-browser --ip="0.0.0.0" --notebook-dir=/tmp/working --NotebookApp.token=''
    

    Notebook zur letzten Lösung: https://www.kaggle.com/mfandreas/titanic/mlugs-hands-on/notebook

    next

  9. MLUGS Treffen im April 2017

    Unser zehntes Treffen ist am Dienstag, dem 18.4. in der Marienstrasse 23 bei aexea.

    Themen:

    Wann:

    18. April 2017 um 18:30

    Wo:

    Marienstrasse 23, Stuttgart-West, aexea (1. OG)

    Bitte meldet euch an unter:

    https://www.letsmeet.click/c/machine-learning-user-group-stuttgart

  10. Bericht MLUGS Treffen im März 2017

    Protokoll

    Vorstellungsrunde

    • Andreas;aexea;Software-Entwickler
    • Georg;dualer Student
    • Wilhelm;Software-Entickler
    • Simon;Politikwissenschaftsstudent
    • Michael;aexea;Software-Entwickler
    • Robin;Technischer Biologe; Masterarbeit
    • Andreas;Argrarinformatiker
    • Andreas;Luft- und Raumfahrttechniker
    • Uwe;macht Raumfahrt; mehr ML in der Raumfahrt

    RNN

    RNN Support in R

    In R gibt es wenig zu RNNs (z. B. MXNet) und wenn dann schwer verständlich; im April kommt was neues, vielleicht hilft das

    Learning to execute Python in Tensorflow

    RNNs in Java

    distill.pub

    next