Deep Learning aus Entwicklersicht – Von Transfer Learning bis zur AI App [Sponsored Talk]

Um Neuronale Netze zu nutzen, muss man sie nicht unbedingt selbst definieren. In diesem Vortrag wird anhand eines Bilderkennungsbeispiels gezeigt, wie man mit vordefinierten Neuronalen Netzen und Transfer Learning einfach eigene Modelle erstellen kann. Im Anschluss werden diese durch Hyperparameter-Optimierung mithilfe der in Watson Studio integrierten Experimente verbessert. Anschließend werden verschiedene Deployment-Varianten von REST APIs bis hin zu Mobilen Endgeräten und Browsern mit Tensorflow.js und Tensorflow Lite gezeigt. Die Session richtet sich sowohl an Developer, als auch an Data Scientists und soll neben dem gegenseitigen Verständnis auch vermitteln, wie beide Gruppen möglichst effizient zusammenarbeiten können.

// Niklas Heidloff
@nheidloff

war im Laufe seiner Karriere immer ein Vorkämpfer für innovative Anwendungsentwicklung und ein aktiver Unterstützer in der Open-Source-Software-Community. In seiner jetzigen Funktion ist Niklas ein Developer Advocat bei IBM, wo er Entwickler über neue Cloud-basierte Anwendungsentwicklungs-Tools und -Techniken aufklärt.

// Stephan Reimann
@stereimann

ist IT Specialist für Big Data bei IBM Deutschland. Er unterstützt Kunden bei der Erstellung von Konzepten für Big-Data-Lösungen, von der Ideendiskussion über die Lösungsarchitektur bis zur Umsetzung in Pilotprojekten. Sein aktueller Fokus liegt auf innovativen Cloud-Lösungen mit Data Science, KI und analytischen Cloud-Diensten sowie auf Echtzeit-/Streaming-Analysen.