MLUGS

Protokoll

Intro

Das Ziel der MLUGS ist der Austausch über Machine-Learning-Themen.

Teilnehmer

• Andreas, Software-Entwickler, AX-Semantics, Sprachverarbeitung (NLP, NLG)
• Uwe, Laser Kommunikation im All, ST2C
• Burkhard, Softwareentwickler, eXXcellent solutions, NLP & IoT
• Silvana, Data Scientist, autoRetouch
• Jens, Data-Scientist, AKKA
• Tin, Unternehmer und Dozent, DHBW + Reutlingen + Tübingen, Software-Entwickler, ML + CV + Python
• Paul, Student Angewandte Informatik

+6 weitere

Jürgen: Find 'em all - Deep Learning für die Suche nach archäologische Stätten

• mit Satellite und Lidar kann man archaeologische Stätten finden
• erster Versuch (finden von Kohlemeilern) mit ResNet-34, sliding window prediction mit fastai
• zweiter Versuch (alte Straßen - Ochsenkarrenwege) auch ResNet-34
• dritter Versuch (Hügelfestungen aus der Bronze-/Eisenzeit)
  • in England hat es dafür einen Datensatz mit dem trainiert wurde
  • oft bleiben die gräben übrig, die Häuser weniger
  • auch wieder ResNet-34
  • Falscherkennung von Fischteichen

• ML in der archaeologie:

  • wenig samples - wenig balanced
  • Accuracy ist keine gute Score: besser MCC und Kappa-Score
  • es ist besser mehr/etwas zu finden, als die ganze Karte mit Menschenaugen abzusuchen
  • in GB und NL sind Lidar-Daten frei verfügbar

• https://www.swr.de/swraktuell/baden-wuerttemberg/stuttgart/erkenbrechtsweiler-keltische-siedlung-heidengraben-100.html

Tin: Graph Neural Networks

• must read papers: https://github.com/thunlp/GNNPapers
• Repo mit Code und Slides: https://github.com/tvotan/mlugs_gnn
  • am beispiel von graphen basierend auf chemischen molekülen
  • code braucht python 3.7 weil conda für rdkit verwendet wird

misc

• Nachtrag zum letzten Mal:
  • Demo des aktuellen Zustands des Genus Classifiers
  • https://genus.research.qax.io/

next

• date: 2021-04-20
• talks:
  • Uwe: Adaptive Optik