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 2 von 7
Recherchieren von Geschichten mit maschinellem Lernen
Praktische Übungen beim Maschinellen Lernen
Was ist maschinelles Lernen?
Google Cloud AutoML Vision
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

Recherchieren von Geschichten mit maschinellem Lernen

image23_2_o9fybYX.png

Wie Sie Maschinelles Lernen für Ihre Berichterstattung nutzen können

image23_2_o9fybYX.png

Maschinelles Lernen für Recherchen: eine Fallstudie

image23_2.png

Im Jahr 2010 begann der Preis für Bernstein auf dem Weltmarkt zu steigen. Aufgrund der großen Nachfrage zogen in den folgenden Jahren bernsteinreiche Teile der Nordwestukraine ausländisches und lokales Interesse auf sich und wurden zum Schauplatz eines illegalen „Bernsteinrausches“, eines neuen „Wilden Westens“.

Hunderte Hektar Wald und landwirtschaftliche Nutzflächen wurden in eine leblose Mondlandschaft verwandelt, wobei die intensivsten Bergbauaktivitäten zwischen 2014 und 2016 stattfanden, aber in den folgenden Jahren fortgesetzt wurden.

image23_2.png

Leprosy of the Land, eine Recherche von Texty

image5_2.png

Im Jahr 2018 veröffentlichte die ukrainische Datenjournalismus-Agentur Texty die Publikation Leprosy of the Land, eine Recherche, in der sie maschinelle Lerntechniken einsetzte, um Fälle illegalen Bernsteinabbaus in der Ukraine aufzudecken.


Zunächst teilte ein Algorithmus Abschnitte von Satellitenbildern in visuell einheitliche Unterabschnitte auf. Wenn ein Bild also halb grüner Wald und halb schmutziges Feld war, würde es das Bild in diese beiden Unterabschnitte aufteilen.


Ein anderer Algorithmus fand heraus, welche Unterabschnitte den vorhandenen Beispielen des Bernsteinabbaus am ähnlichsten sind, die ein ausgeprägtes pockennarbenartiges Muster von Löchern im Boden aufweisen. 


Schließlich untersuchten die Journalisten die Beispiele, die der Algorithmus gefunden hatte, um sicherzugehen, dass das, was er für den Bernsteinabbau hielt, nicht in Wirklichkeit etwas anderes war, wie etwa Entwaldung.

image5_2.png

Beispiele für illegalen Bernsteinabbau finden

image7_2.png

In diesem Kurs werden wir uns auf die Methoden konzentrieren, die Texty verwendet hat, um einen Algorithmus zu trainieren, der visuelle Beispiele illegalen Bernsteinabbaus in einer riesigen Menge von Satellitenbildern erkennt, die zuvor von einem anderen Algorithmus in Unterabschnitte unterteilt wurden.

Wie in der ersten Lektion erwähnt, bedeutet dies, dass wir mit überwachtem Lernen experimentieren werden. Sie werden lernen, wie der Algorithmus anhand von gekennzeichneten Beispielen lernen kann, das gleiche Muster in Bildern zu erkennen, die er noch nie zuvor gesehen hat. 


Sie werden auch lernen, wie Sie den Prozess für Ihre eigenen Geschichten wiederholen können: vom Finden der Beispiele, die Sie brauchen, über das Training eines maschinellen Lernmodells, um zu erkennen, was Sie suchen, bis hin zum Testen und Bewerten des Modells, um sicherzustellen, dass es zuverlässige Ergebnisse liefert.

image7_2.png

Ist ML das richtige Tool für dieses Problem?

image12_3_TvhzWTX.png

Aber warum war maschinelles Lernen das richtige Tool, um die Informationen zu finden, die Texty suchte? 


Bei der klassischen Programmierung müssen Sie Schritt-für-Schritt-Anweisungen angeben, die der Computer befolgen soll. Mit diesem Ansatz lassen sich zwar eine Vielzahl von Problemen lösen, aber er ist nicht in der Lage, Beispiele des illegalen Bernsteinabbaus in einer riesigen Menge von Satellitenbildern zu erkennen. Es gibt einfach so viele visuelle Elemente, dass der Computer berücksichtigen müsste, dass es unmöglich ist, ein Schritt-für-Schritt-Regelwerk zu erstellen, das der Software beibringen könnte, zwischen echten Beispielen illegalen Bernsteinabbaus und Dingen, die ihm nur ähnlich sehen könnten, zu unterscheide

Glücklicherweise sind maschinelle Lernsysteme gut positioniert, um dieses Problem zu lösen.

image12_3_TvhzWTX.png

Fokus auf den Prozess

image46_2.png

Denken Sie daran, dass das, was Sie in diesem Kurs lernen werden - wie man illegalen Bernsteinabbau entdeckt - nur ein Beispiel dafür ist. Nach dem gleichen Verfahren kann maschinelles Lernen für eine Reihe verschiedener journalistischer Aufgaben eingesetzt werden und kann sogar zur Analyse verschiedener Arten von Inhalten, nicht nur von Bildern, verwendet werden. Am Ende des Kurses werden wir einige andere Anwendungsfälle besprechen. Denken Sie beim Durcharbeiten der Übung daran, sich auf den Prozess und nicht auf die spezifische Fallstudie zu konzentrieren.


Nun, bevor wir mit der eigentlichen Übung beginnen, müssen wir einige Minuten für die Besprechung und Einrichtung des Tools aufwenden, das wir in den nächsten Lektionen zu verwenden lernen werden: Google Cloud AutoML Vision.

image46_2.png
Glückwunsch! Sie haben folgende Lektion abgeschlossen: Recherchieren von Geschichten mit maschinellem Lernen Ja, der Prozess ist im Gange
Empfehlungen für Sie
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?