MLUGS

Protokoll

Vorstellungsrunde

• Andreas, Software-Entwickler, AX-Semantics
• Uwe, Laser-Kommunikation. ST2C
• Xiake, ITK Engineering
• Kexin, Machine-Learning-Eng., Bosch
• Nela, Daimler
• Ioana, Bosch
• Michael, Software-Engineer, AX-Semantics
• Christian, baut Anlagen zur Batteriefertigung, Daimler
• Tin, wiss. Mitarbeiter, Frauenhofer
• Thomas, Data-Scientist
• Kai, Anfänger in ML
• Sasha, Consultant, ADWEKO
• Jens, Data-Scientist, AKKA
• Sebastian, Software-Engineer, IBM
• Nicola, Journalistin, will Insekten zählen

Nicola: Vorstellung Insekten-Counter-Projekt mit Maschine Learning

• https://ecocurious.de

• https://www.meetup.com/Ecocurious-deine-Umwelt-Natur-und-Technik-Community/

• Methode 1: optisches Mikrofon - Infrarot-Dioden auf Licht-Sensoren -> akkustik

• Methode 2: mit Kamera fotografieren (raspi + picam)

• suchen Unterstützung bei der Hardwareentwicklung und beim Klassifizierung

• verwendet gnuradio zur Auswertung

• aktueller Stand: methoden finden Daten zu sammeln; danach klassifiezieren wieviele/welche Insekten

• Bienen zählen: https://www.apic.ai

• event-camera: http://rpg.ifi.uzh.ch/research_dvs.html
• vielleicht in der Wilhelma im Tropenhaus Fotos machen
• "zeitmultiplexing Spektroskopie"

Sebastian: regelbasierte vs. ML-basierte Informationsextraktion

• rule-based am Beispiel von AQL: vorteile der RDMBS-Erfahrungen ausnutzen
• Regeln schreiben kann sehr viel besser sein als (nur) Trainingsdaten für ein NN zu annotieren
• 80%-NNs sind noch nicht produktionsreif!
• es gibt Probleme, die man immernoch am besten mit rule-based-systemen löst

Andreas: Encoder-Decoder Attention plots

recap

• https://github.com/mfa/talks/blob/master/20190521--morphological-inflection-using-encoder-decoder-networks/slides.md

insights about attention with a simple example

• reimplementation of https://joeynmt.readthedocs.io/en/latest/tutorial.html with allennlp
• code: https://github.com/mfa/allennlp-reverse-seq2seq
• https://madflex.de/posts/allennlp--reverse-sequence-example/
• uses general/bilinear attention: https://arxiv.org/pdf/1508.04025.pdf
• model code is a copy of allennlp version with a patch applied, that adds attention vectors to output
• https://madflex.de/posts/allennlp--sequence-to-sequence-attention-plots/

next

• date: 2019-10-15
• talks:
  • Tin: machine learning and security
  • Andreas: digit recognition