Internet Marketing & SEO Blog

Machine Learning bei Google Zürich

2

Einführung in Machine Learning von Anna Ukhanova, Research Lead bei Google Research Europe, im Rahmen von #MeetAGoogler bei Google Sihlpost in Zürich.

Anna Ukhanova, Leiterin Google Research Team Europe

Anna Ukhanova von Google Zürich

www.autodraw.com ist Googles Dienst, der Handskizzen erkennt und reinzeichnet. Google Translate übersetzt in Echtzeit, was man ins Mikrofon spricht. Google Photos lässt User Fotos suchen basierend auf Emojis.

2016 wurde das europäische Machine Learning Centre eröffnet. Man versucht primär, Informationen besser zu verstehen. Machine Learning und Deep Learning sind dafür geeignete Instrumente.

Machine Learning ist die Wissenschaft, Dinge “smart” zu machen. Smart im Sinne von Lösen einzelner, gut abgegrenzter Aufgaben. Maschinen sollen Muster erkennen. Machine Learning ist ein Teil von Artificial Intelligence.

Machine Learning lernt anhand von Beispielen und Erfahrung dank grosser Beispieldatenbanken. Bilderkennung kann beispielsweise erkennen, ob auf einem Bild ein Hund oder eine Katze abgebildet ist. Nach sehr vielen Versuchen und entsprechenden Lernprozessen.

Anna Ukhanova von Google Schweiz über Deep Neural Networks

Anna Ukhanova über Deep Neural Networks

Bei Machine Learning lehrt man Computer nicht mehr, was zu tun ist basierend auf expliziten Regeln, sondern zu lernen, anhand von vielen Beispielen und entsprechenden Mustern.

Machine Learning wird auch in der Suche eingesetzt. 20% der mobilen Suchen erfolgen bereits per Spracheingabe. Machine Learning hilft, die Suche präziser zu verstehen, in verschiedenen Sprachen, in verschiedenen Aussprachen.

Früher benutzte man phrase-based Algorithmen. 2016 kamen neuronale Netze hinzu, was die Übersetzungen signifikant verbesserte. Bei Französisch zu Englisch ist man damit praktisch auf menschlichem Niveau. Zwischen Chinesisch und Englisch ist man noch nicht so weit.

Die Handschrifterkennung wird von Usern auf Mobiles ebenso genutzt wie auf Wearables wie Uhren.

Quick, Draw! Ist ein Tool, das Zeichnungen spielerisch erkennt. Dabei zeigt es kulturelle Unterschiede in verschiedenen Ländern, z.B. Stühle.

Google Quick Draw!

Google Quick Draw!

Google Lens erkennt Objekte via Mobile-Kamera.

Auch für die Kühlung von Rechenzentren benutzt Google KI: Die Algorithmen konnten den Energieverbrauch um 40% reduzieren. Dabei waren die Rechenzentren schon bereits recht gut optimiert. Meinten die Engineers.

Machine Learning im Einsatz zur Kühlung von Google Rechenzentren

Machine Learning im Einsatz zur Kühlung von Google Rechenzentren

Google nutzt Machine Learning aber nicht nur für die eigenen Tools, sondern stellt sie jedermann zur Verfügung. TensorFlow ist als Opensource auf Github publiziert und kann für KI-Projekte eingesetzt werden.

Connectera ist ein Startup aus den Niederlanden. Es misst die Gesundheit der Kühe und sendet die Information basierend auf TensorFlow an die Zentrale. Die Bauern können so ihre Farmen effizienter führen.

Connectera - Machine Learning für Bauern

Machine Learning für Farmer

Machine Learning wird auch zum Schutz des Regenwaldes eingesetzt. Mittels Sensoren auf Bäumen werden Daten gemessen, die zum Schutz der Wälder genutzt werden.

Tensorflow Hub ist ein neuer, in Zürich entwickelter Dienst, der die Wiederverwendung von Machine Learning-Modulen erleichtert.

Beim Einsatz von Machine Learning sind 4 Komponenten zentral:

  • Algorithmen
  • Datenzugriff
  • Rechenpower
  • Expertise von Engineers

Mit TensorFlow Hub wird der Zugang erleichtert.

g.co/machinelearningcrashcourse ist ein Einsteigerkurs für interessierte Nutzer.

Googles Machine Learning Crash-Kurs

Machine Learning Crash-Kurs

Walter Schärer beim Fachsimpeln mit Kevin Kyburz

Walter beim Fachsimpeln mit Kevin Kyburz
Aber nicht über Machine Learning…

Share.

About Author

Walter Schärer bloggt über neuste Internet-Trends im Online Marketing, Social Media, Blogs, Web Analytics, SEO, Mobile und so.

2 Kommentare

    • Walter Schärer on

      Danke für den Tipp! Das Tool hat mich noch nicht so gut verstanden. Oder ich habe das Falsche gefragt ;-)

Leave A Reply