Sie sind auf Seite 1von 1

01 02 03 04

Betrugs- Medizinische
Prädiktive User Input
Tip erkennung Analyse
Wartung User Input als Lernquelle für
Systeme «A visual introduction
to machine learning» Vohersage von
die Erstellung neuer
Erkennen von Angriffen und
Durchsuchung von
Interfaces Patientenakten um die
Maschinenfehlern Betrügen (z.B. Wahrscheinlichkeit von
(z.B. Mensch-Gehirn-
R2D3 anhand ihrer Protokolle Kreditkartenbetrug) Krankheiten zu vorhersagen
Interface)
und Sensordaten SL + UL SL + UL
mehr unter Tip SL + RL
SL

02 03 Autonome
PyTorch Tensorflow Objekt-
Tip «10 real-world
Kontrolle &
Low-level Framework von Erfordert
examples of lokalisierung
Forschungsorientiertes
Framework mit Google mit verteilter beschriftete
ML and AI» Fahren
Objekte in Bildern suchen
Lernunterstützung (gute
Anwendungs
vortrainierten Modellen Trainingsdaten als By M. Feldmann
Autonomes Fahren und orten
Dokumentation und 01
Community) Basis für den mehr unter eines Autos SL 05
Output SL + RL
-fälle
01 Keras 04 Optimale Produktions-
scitkit-learn 02
Abstraktionsschicht für
Reaktions- Kontrolle fehler Check Erkennungs-
Tensorflow, CNTK und Supervised Klassifizierung
Machine Learning Pytorch. Bietet
fälle Optimale Einstellung eines Automatisierte fälle
Framework mit außer-
gewöhnlichen Algrorythmen
Funktionalität für schnelles Learning Vorhersage von diskreten Controllers, der ein Überprüfung von
und Datenanalysetools Technisches Prototyping und
vortrainierte Modelle SL Klassen, z.B. 02 physisches System
betreibt
hergestellten Objekten
06
Bildklassifizierung nach Fehlern
Set-up mehr unter UL + RL SL + UL
«How to develop a
MNIST ML model on the Tip Daten-
CIFAR10 MNIST handwritten 01 Anomalie 03 verbesserung
digit recognition task in
Künstlicher Datensatz von
Bilddatensatz mit schwarzen und weißen
Python using Keras» Erkennung Regression Automatisiertes Finden und
Objekten, die zu 10 Ziffern für wissen-
verschiedenen Klassen J. Brownlee optionelles Verbessern von
schaftliche Richtwerte Erkennung von Vorhersage von
gehören (berühmter falschen User Inputs
Aureißerdaten (Daten, die kontinuierlichen Werten, z.B.
SL + UL
01 Benchmark) mehr unter 02 mehr unter nicht zum Rest passen). Hauspreisvorhersage
Geht auch für UL.

03
Imagenet
Pascal VOC Tip Lernt Aktionen Tip
Wird verwendet, statt Labels mit
06 Datensatz von über 14
um Muster in Reinforced
Datensätze Bildsegmentierungs- Millionen handannotierten
Eingabedaten zu
Status als Input
datensatz mit realen
Objekten
Bildern für Objekt-
erkennungs- und finden, und
und hängt von der Learning
Klassifizierungs- 03 erfordert keine Methoden & Zeit ab
RL
aufgaben (Vergangenheit &
Beschriftungen Verwendung Zukunft)

MS COCO Kaggle Generative Latent


Plattform mit vielen Unsupervised Modellierung variable Modelle
Objekterkennung und
Bildsegmentierungs- verschiedenen Datensätzen
datensatz für Wettbewerbe für ihre Wettbewerbe Learning Generierung von neue
Daten aus einer Reihe
Extrahierung von zugrunde
liegenden Variablen, die die
UL bekannter Proben, die Daten für die Kompri-
01 für die Simulation teurer mierung, und weitere
02
physischer Operationen Analysen beeinflussen
05 04 nützlich sind