MLUGS

Protokoll

Vorstellungsrunde

• Andreas, Software-Entwickler, AX Semantics
• Alessia, hat Kognitionswissenschaften studiert
• Katja, macht ML, Finanzen
• Tobias, Conversional
• Markus, Applications-Ing, Mathworks
• Barbara, macht steno
• Enrique, Entwickler, Mimacom
• Michael, Software-Entwickler, AX Semantics

+1 Nachzügler

Learnings aus dem Erstellen eines Ordering-Sequence-Models (Andreas Madsack)

• wir haben hier mitgemacht: http://taln.upf.edu/pages/msr2018-ws/SRST.html
• Aufgabe bearbeitet. Lösung abgegeben. Aber keine guten Ergebnisse
• Viel gelernt, Setup für Teilnahme an Workshops gebaut
• Ziel: sequence-Models auf andere Probleme anwenden.

News

Konferenzen

• Auf dieser Website gibt es eine Liste mit Konferenzen in Europa. Wem mehr bekannt sind möge diese bitte ergänzen. Wer Konferenzen empfehlen oder davon berichten kann, ist herzlich eingeladen, dies bei einem unserer Treffen zu tun. Es spielt dabei keine Rolle ob in 5 Minuten oder 1 Stunde berichtet wird, jeder Beitrag ist gerne gesehen.
• Die Registrierung für die International Conference on Machine Learning (ICML) ist seit dem 2018-04-16 möglich.

Meetups

Folgende Meetups (o. ä.) finden in nächster Zeit im Raum Stuttgart statt und beschäftigen sich mit Machine Learning oder einem nahen Feld wie beispielsweise Data Science:

• 2018-04-25 Big Data Developers
• 2018-04-26 Stuttgart AI #2 - AI & Robotics/Deepgrasping
• 2018-05-15 Stuttgarter AI/KI Meetup #6
• 2018-05-17 Forum Künstliche Intelligenz 2018, 680 € + VAT

Berichte von den Meetups sind bei den Treffen im Mai oder Juni gerne gesehen.

Paper

• MUNIT: Multimodal UNsupervised Image-to-image Translation (Video)
• BPEmb – pre-trained subword embeddings in 275 languages, based on Byte-Pair Encoding (BPE)

Blog posts

• Building an image caption generator with Deep Learning in Tensorflow
• A Visual And Interactive Look at Basic Neural Network Math
• The Annotated Transformer – Attention is All You Need
• Sequence Tagging with Tensorflow
• GANs for Simulation, Representation and Inference

Bücher

• Francois Chollet: Deep Learning with Python

General News

• KI-System vermehrt sich selbst, um effizienter zu werden, Paper, Golem
• Deepmind zerstört neuronale Netze, um sie zu verstehen, Deepmind, Golem
• Linux Foundation startet Projekt für Open-Source-KI, Golem
• Baidu zeigt Übersetzungsgerät für unterwegs, Golem
• Google-Mitarbeiter protestieren gegen Militärprojekt Maven, Golem
• Initiative Applied AI: KI verstehen und ihren Gesellschaftseinfluss diskutieren, Golem
• Eine künstliche Intelligenz als Bürgermeister (4000 Stimmen, Platz 3), Golem
• Forscher lernen KI mit Hilfe eines Hundes an, Paper, Golem
• Google AIY Vision und Voice: Tensorflow-KI und Raspberry Pi im Pappwürfel, Golem

Sonstiges

• Stanford: Natural Language Processing with Deep Learning, Project Reports

Problemvorstellungen

Strings matchen

i.e.

# 005?Lastschrifteinzug?009500?NR6288xxxxxx AMAZON.DE LUKAUFUMSATZ05.0xxx0522???VISA AMAZON EU AMAZON.DE
# 005?Lastschrifteinzug?009500?NR6288xxxxxx AMAZON.DE LUKAUFUMSATZ16.0xxx3407???VISA AMAZON SVCS EU-DE AMAZ

Es sollen Kostenstellen zusammen gemappt werden. Dabei unterscheiden sich meist die Rechnungsnummern. Ein Distanzmaß wie Jaro–Winkler bewertet nicht, ob der Unterschied nur die Rechnungsnummmer ist, oder der Name der buchenden Firma.

Lösungsvorschlag: teilstrings clustern. Bevorzugt Name der buchenden Firma.

next

nächster Termin: 2018-05-15