Zum Hauptinhalt springen
Zum Dashboard
Sie wissen nicht, wo Sie anfangen sollen? Nehmen Sie an einem kurzen Quiz teil, um personalisierte Empfehlungen zu erhalten.
Lektion 3 von 7
Google Cloud AutoML Vision
Hands-on Machine Learning
Was ist maschinelles Lernen?
Datenaufbereitung
Trainieren Sie Ihr Machine Learning-Modell
Auswerten und Testen
check_box_outline_blank Hands-on Machine Learning: Take the Quiz
Kurs
0% abgeschlossen
5 Minuten abzuschließen

Google Cloud AutoML Vision

image44_3.png

Lernen Sie, wie Sie AutoML Vision zur Vorbereitung auf den Kurs einrichten

image44_3.png

Klassifizieren von Bildern mit maschinellem Lernen

image44_2.png

As mentioned in the previous lesson, Texty used two different algorithms in the production of Leprosy of the Land


Nachdem der erste Algorithmus es ihnen erlaubte, Ausschnitte von Satellitenbildern ukrainischer Wälder in visuell einheitliche Unterabschnitte zu unterteilen, benötigten sie einen zweiten Algorithmus, der erkennen konnte, welche Abschnitte der Satellitenbilder den vorhandenen Bildbeispielen des Bernsteinabbaus am ähnlichsten waren. Was sie brauchten, war ein sogenannter „benutzerdefinierter Klassifikator“.

image44_2.png

Anhand gekennzeichneter Beispiele lernen

image36_2.png

Ein benutzerdefinierter Klassifikator ist eine Art maschinelles Lernmodell, das Sie einsetzen können, wenn Ihr Anwendungsfall erfordert, dass Sie vordefinierte Kennzeichnungen anwenden müssen, um einen Datensatz von Bildern zu klassifizieren, den Sie untersuchen möchten. 


In unserem Fall sind diese vordefinierten Kennzeichnungen einfach: „JA: dieses Bild enthält visuelle Elemente, die mit Mustern übereinstimmen, die normalerweise auf Bernsteinabbauaktivitäten hinweisen“ und „NEIN: dieses Bild enthält keine visuellen Elemente, die auf Bernsteinabbauaktivitäten hinweisen“.


Google Cloud AutoML Vision ermöglicht uns genau dies. Wir werden lernen, wie man damit überwachtes Lernen durchführen kann, d.h. wir werden ein maschinelles Lernmodell trainieren, um die entsprechenden JA- und NEIN-Kennzeichnungen auf einen Datensatz von Bildern anzuwenden, die wir ihm zuführen werden.

image36_2.png

Auswahl eines Algorithmus

image16_3.png

Wie Jeremy Merrill vom Quartz AI Studio in seinem Crash-Kurs über das Klassifizieren von Text mit maschinellem Lernen sagte: „für Ihre Zwecke als Journalist spielt es keine große Rolle, welchen Algorithmus Sie wählen, solange Sie einen Algorithmus wählen, der es richtig macht“.


AutoML Vision ist nicht das einzige Tool, mit dem wir unser gewünschtes Ziel erreichen könnten. Eigentlich ist es nicht der Algorithmus, den Texty während der Recherche verwendet hat. Der Grund, warum wir AutoML Vision in diesem Kurs verwenden, ist seine Zugänglichkeit: Sie brauchen keine Programmierkenntnisse zu haben, um zu lernen, wie es funktioniert und um ein leistungsfähiges Modell auf Ihren Daten zu trainieren.


If you do have coding skills already and you want to dig deeper, have a look at fast.ai's Practical Deep Learning for Coders

image16_3.png

Einrichten Ihres Google Cloud-Kontos

Um AutoML Vision verwenden zu können, müssen Sie ein Google Cloud-Konto einrichten. Bei der Anmeldung erhalten Sie einen Kredit von 300 Dollar für den Beginn Ihrer Experimente. Jede Übung beim Training eines maschinellen Lernmodells, wie wir sie in diesem Kurs durchführen werden, kostet etwa 20 Dollar. Folgen Sie dieser Schritt-für-Schritt-Anleitung:


Klicken Sie unter „Erste Schritte mit der Google Cloud Platform“ auf „Kostenlos testen“ und folgen Sie den Anweisungen zum Erstellen Ihres Kontos.


Wenn Sie das Konto erstellt haben, öffnen Sie das Navigationsmenü auf der linken Seite der Website und scrollen Sie bis ganz nach unten, um „Vision“ im Abschnitt „Künstliche Intelligenz“ zu finden. Klicken Sie auf „Dashboard“.


Sie haben nun Zugriff auf Ihren Arbeitsbereich, in dem die Google Cloud „Vision“-Tools angezeigt werden, einschließlich des Tools, das wir verwenden werden: „Bildklassifikation“. Klicken Sie auf „Datensätze“ im Navigationsmenü auf der linken Seite.


Klicken Sie dann auf „AutoML-API aktivieren“. Der Vorgang kann einige Sekunden dauern. Klicken Sie dann auf „Erste Schritte“.


An diesem Punkt sollten Sie einen weitgehend leeren Bildschirm sehen, da Sie noch keinen Datensatz aktualisiert haben. Das ist es, was wir in der nächsten Lektion tun werden.

Vorankommen

image18_2.png

Sie sind jetzt bereit, AutoML Vision zu verwenden. Im weiteren Verlauf des Kurses werden wir lernen, wie wir es einsetzen können, um unser gewünschtes Ergebnis zu erreichen: das Trainieren eines maschinellen Lernmodells zur Erkennung des illegalen Bernsteinabbaus. 


Texty und JournalismAI arbeiten bei der Produktion dieses Kurses zusammen. Dank dieser Partnerschaft werden wir in der Lage sein, bei der Recherche zu Leprosy of the Land eine Probe der tatsächlichen Satellitenbilder zu verwenden, die von Texty verwendet wurden.


Before we move forward, make sure to check the other AI and machine learning products offered by Google Cloud, including Natural Language, Translation, Speech-to-Text and Text-to-Speech, and much more. 

image18_2.png
Glückwunsch! Sie haben folgende Lektion abgeschlossen: Google Cloud AutoML Vision in progress
Recommended for you
Wie würden Sie diese Lektion bewerten?
Ihr Feedback hilft uns dabei, unsere Lektionen zu verbessern.
Verlassen und Fortschritt löschen?
Wenn Sie diese Seite verlassen, geht Ihr Fortschritt in der aktuellen Lektion verloren. Möchten Sie die Seite wirklich verlassen?