De meetup https://www.meetup.com/GroningenML/events/259118725/ Aanwezig 8 personen. Opmerkingen Loop route Lift Parkeren notebook sendex visualisaties keras voorbeeld dry run titels toevoegen met markdown notities toevoegen netwerk plaatje afbeeldingen eigen getal erin Sites kaggle.com tensorflow.org/learning Next meetup tensorflow MNIST

Kun je ratten verstaan? Na het bekijken van de video van Verge Science over het Deep Squeak project ga je dat wel denken. Wil je ermee aan de slag dan vind je de code op GitHub

In zijn blog post over The Unreasonable Effectiveness of Recurrent Neural Networks laat Andre Karpathy zien hoe het zou kunnen werken. Het komt erop neer dat er een ‘geheugen’ dient te zijn om het verband van woorden te kunnen ‘onthouden’. Het is al een ‘oud’ artikel uit 2015 dus de code heeft wat aandacht nodig om het (weer) te laten draaien, maar het is een aardige beschrijving van hoe het werkt.

Wil je weten welke literatuur je kunt lezen of cursus kunt volgens of video kunt kijken omdat je de wiskunde en statistiek achter machine learning (ML) wilt begrijpen dan heeft de Youtuber Python Programmer een mooie lijst samengesteld in de details van zijn video. Maar gewoon kijken is een goede start.

Deep Reinforcement Learning is onderdeel van Machine Learning. Maar dat had je waarschijnlijk wel door. Het heet pas Deep wanneer er een neuraal netwerk bij komt kijken. In onderstaand diagram zijn de verschillende smaken te zien. In bijgaande video verteld Lex Fridman wat (Deep) Reinforcement Learning is en welke methodieken er zijn. Deze is onderdeel van de serie MIT Deep Learning Bronnen A Taxonomy of RL Algorithms MIT Deep Learning Open AI Spinning Up

Een goed voorbeeld van een autoencoder is gemaakt door CodeParade voor het genereren van gezichten. Een autoencoder probeert de gegeven data; in dit geval een gezicht; te comprimeren om vervolgens van die mindere data het origineel te reconstrueren.

Brandon Rohrer heeft een mooie uitleg over hoe het onderscheiden van dingen oftewel classificatie werkt. Is het een kat of is het een hond? Het komt erop neer dat onderscheid gemaakt wordt op basis van of iets boven of onder een lijn ligt. Door af te stappen van lineaire verbanden kun je van lijnen ook curves maken en daardoor kun je aangeven of iets boven/tussen/onder curves is. Wil je meer verschillende dingen classificeren dan kom je in een multidimensionale ruimte terecht.

Google heeft samen met NXP hun Tensor Processing Unit als zelfstandige unit gepresenteerd. Hiermee kun je zonder internet toch een AI applicatie laten werken.