{"id":224,"date":"2023-11-30T17:01:35","date_gmt":"2023-11-30T17:01:35","guid":{"rendered":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/hands-on-machine-learning\/"},"modified":"2024-01-31T11:44:35","modified_gmt":"2024-01-31T11:44:35","slug":"hands-on-machine-learning","status":"publish","type":"chapter","link":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/chapter\/hands-on-machine-learning\/","title":{"raw":"Hands on Machine Learning","rendered":"Hands on Machine Learning"},"content":{"raw":"[Dieses Kapitel wurde mit maschinellen \u00dcbersetzungsprogrammen \u00fcbersetzt.]<\/em>\n

Diese Aktivit\u00e4t wurde an Aktivit\u00e4ten von Codeweek angepasst und unter der Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) Lizenz<\/a> lizenziert. Die urspr\u00fcngliche Liste der Aktivit\u00e4ten<\/a> finden Sie auf deren Website. Die beiden verwendeten Datens\u00e4tze, Initial Training Dataset und Test Dataset, wurden ebenfalls von ihnen erstellt.<\/p>\n

Wir werden Googles Teachable Machine<\/a> verwenden, um eine Maschine zu trainieren, die ein Bild als Fahrrad oder Motorrad klassifiziert. Zusammenfassend l\u00e4sst sich sagen, dass eine ML-Anwendung trainiert und getestet werden muss, bevor sie eingesetzt werden kann. Wir werden Beispielbilder der Kategorien, die die Maschine klassifizieren soll, sammeln und gruppieren, das Modell trainieren und testen, ob es eine Reihe von Beispielbildern richtig klassifiziert.<\/p>\n\"\"\n

Schritt 1: Sammeln und gruppieren Sie Beispielbilder<\/h3>\n
    \n \t
  1. Laden Sie die Bilder von Fahrr\u00e4dern herunter, die Sie hier finden<\/li>\n \t
  2. Entpacken Sie gegebenenfalls den Inhalt des Zip-Ordners in einen lokalen Ordner auf Ihrem Computer. Dies wird als Trainingssatz f\u00fcr die Anwendung f\u00fcr maschinelles Lernen verwendet.<\/li>\n \t
  3. Laden Sie die Bilder von Motorr\u00e4dern herunter, die Sie hier finden.<\/li>\n \t
  4. Entpacken Sie gegebenenfalls den Inhalt des Zip-Ordners in einen lokalen Ordner auf Ihrem Computer. Dies wird auch als Trainingsset f\u00fcr die Anwendung Maschinelles Lernen verwendet.<\/li>\n \t
  5. Laden Sie alle Bilder herunter, die Sie hier finden.<\/li>\n \t
  6. Extrahieren Sie gegebenenfalls den Inhalt des Zip-Ordners in einen lokalen Ordner auf Ihrem Computer. Dieser wird als Testdatensatz verwendet.<\/li>\n \t
  7. Klicken Sie auf Google's Teachable Machine und w\u00e4hlen Sie Image Project > Standard Image Model.<\/li>\n \t
  8. Klicken Sie unter Klasse 1 auf Hochladen > Bilder aus Ihren Dateien ausw\u00e4hlen > \u00d6ffnen Sie den Ordner mit den Fahrradbildern, den Sie in den Schritten 1 und 2 erstellt haben, und importieren Sie alle hier gespeicherten Bilder.<\/li>\n \t
  9. Klicken Sie unter Klasse 2 auf Hochladen > W\u00e4hlen Sie Bilder aus Ihren Dateien aus > \u00d6ffnen Sie den Ordner mit den Motorradbildern, den Sie in den Schritten 3 und 4 erstellt haben, und importieren Sie alle hier gespeicherten Bilder.<\/li>\n<\/ol>\n

    Schritt 2: Trainieren des Modells<\/h3>\n

    Klicken Sie unter Training auf Modell trainieren. Das Modell lernt, wie es Fahrr\u00e4der und Motorr\u00e4der klassifizieren kann. Warten Sie, bis \"Modell trainiert\" angezeigt wird.<\/p>\n

    Beachten Sie, dass wir die Merkmale von Fahrr\u00e4dern und Motorr\u00e4dern nicht manuell ausw\u00e4hlen und eingeben m\u00fcssen. Der Algorithmus wei\u00df, wie er seine eigenen Merkmale aus den Bildern finden kann!<\/p>\n \n\n[caption id=\"attachment_223\" align=\"aligncenter\" width=\"1024\"]\"\" Source : Google's Teachable machine[\/caption]\n

    Schritt 3: Testen Sie das Modell<\/h3>\n
      \n \t
    1. Klicken Sie unter Vorschau auf den Pfeil neben der Webcam und \u00e4ndern Sie die Eingabe in Datei.<\/li>\n \t
    2. Klicken Sie auf Bilder aus Ihren Dateien ausw\u00e4hlen und w\u00e4hlen Sie ein Testbild, das Sie in den Schritten 5 und 6 gespeichert haben.<\/li>\n \t
    3. Scrollen Sie nach unten und pr\u00fcfen Sie die Ausgabe.<\/li>\n \t
    4. Sie k\u00f6nnen den Vorgang mit anderen Bildern wiederholen, um die Leistung zu vergleichen.<\/li>\n<\/ol>\n

      Wenn ein Bild zum Trainieren eines Klassifizierers verwendet wird, hat die Maschine bereits das entsprechende Label f\u00fcr das jeweilige Bild aufgezeichnet. Wenn Sie der Maschine dieses Bild in der Testphase zeigen, k\u00f6nnen Sie nicht messen, wie gut das Modell verallgemeinert. Aus diesem Grund sollten sich Ihre Test- und Trainingsdatens\u00e4tze voneinander unterscheiden.<\/p>\n

      Hinweis:<\/strong> Sie k\u00f6nnen auch Ihre eigenen Bilder zum Trainieren und Testen hochladen. Hier ist eine gute Quelle f\u00fcr kostenlose Bilder.<\/p>","rendered":"

      [Dieses Kapitel wurde mit maschinellen \u00dcbersetzungsprogrammen \u00fcbersetzt.]<\/em><\/p>\n

      Diese Aktivit\u00e4t wurde an Aktivit\u00e4ten von Codeweek angepasst und unter der Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) Lizenz<\/a> lizenziert. Die urspr\u00fcngliche Liste der Aktivit\u00e4ten<\/a> finden Sie auf deren Website. Die beiden verwendeten Datens\u00e4tze, Initial Training Dataset und Test Dataset, wurden ebenfalls von ihnen erstellt.<\/p>\n

      Wir werden Googles Teachable Machine<\/a> verwenden, um eine Maschine zu trainieren, die ein Bild als Fahrrad oder Motorrad klassifiziert. Zusammenfassend l\u00e4sst sich sagen, dass eine ML-Anwendung trainiert und getestet werden muss, bevor sie eingesetzt werden kann. Wir werden Beispielbilder der Kategorien, die die Maschine klassifizieren soll, sammeln und gruppieren, das Modell trainieren und testen, ob es eine Reihe von Beispielbildern richtig klassifiziert.<\/p>\n

      \"\"<\/p>\n

      Schritt 1: Sammeln und gruppieren Sie Beispielbilder<\/h3>\n
        \n
      1. Laden Sie die Bilder von Fahrr\u00e4dern herunter, die Sie hier finden<\/li>\n
      2. Entpacken Sie gegebenenfalls den Inhalt des Zip-Ordners in einen lokalen Ordner auf Ihrem Computer. Dies wird als Trainingssatz f\u00fcr die Anwendung f\u00fcr maschinelles Lernen verwendet.<\/li>\n
      3. Laden Sie die Bilder von Motorr\u00e4dern herunter, die Sie hier finden.<\/li>\n
      4. Entpacken Sie gegebenenfalls den Inhalt des Zip-Ordners in einen lokalen Ordner auf Ihrem Computer. Dies wird auch als Trainingsset f\u00fcr die Anwendung Maschinelles Lernen verwendet.<\/li>\n
      5. Laden Sie alle Bilder herunter, die Sie hier finden.<\/li>\n
      6. Extrahieren Sie gegebenenfalls den Inhalt des Zip-Ordners in einen lokalen Ordner auf Ihrem Computer. Dieser wird als Testdatensatz verwendet.<\/li>\n
      7. Klicken Sie auf Google’s Teachable Machine und w\u00e4hlen Sie Image Project > Standard Image Model.<\/li>\n
      8. Klicken Sie unter Klasse 1 auf Hochladen > Bilder aus Ihren Dateien ausw\u00e4hlen > \u00d6ffnen Sie den Ordner mit den Fahrradbildern, den Sie in den Schritten 1 und 2 erstellt haben, und importieren Sie alle hier gespeicherten Bilder.<\/li>\n
      9. Klicken Sie unter Klasse 2 auf Hochladen > W\u00e4hlen Sie Bilder aus Ihren Dateien aus > \u00d6ffnen Sie den Ordner mit den Motorradbildern, den Sie in den Schritten 3 und 4 erstellt haben, und importieren Sie alle hier gespeicherten Bilder.<\/li>\n<\/ol>\n

        Schritt 2: Trainieren des Modells<\/h3>\n

        Klicken Sie unter Training auf Modell trainieren. Das Modell lernt, wie es Fahrr\u00e4der und Motorr\u00e4der klassifizieren kann. Warten Sie, bis “Modell trainiert” angezeigt wird.<\/p>\n

        Beachten Sie, dass wir die Merkmale von Fahrr\u00e4dern und Motorr\u00e4dern nicht manuell ausw\u00e4hlen und eingeben m\u00fcssen. Der Algorithmus wei\u00df, wie er seine eigenen Merkmale aus den Bildern finden kann!<\/p>\n

         <\/p>\n

        \"\"
        Source : Google’s Teachable machine<\/figcaption><\/figure>\n

        Schritt 3: Testen Sie das Modell<\/h3>\n
          \n
        1. Klicken Sie unter Vorschau auf den Pfeil neben der Webcam und \u00e4ndern Sie die Eingabe in Datei.<\/li>\n
        2. Klicken Sie auf Bilder aus Ihren Dateien ausw\u00e4hlen und w\u00e4hlen Sie ein Testbild, das Sie in den Schritten 5 und 6 gespeichert haben.<\/li>\n
        3. Scrollen Sie nach unten und pr\u00fcfen Sie die Ausgabe.<\/li>\n
        4. Sie k\u00f6nnen den Vorgang mit anderen Bildern wiederholen, um die Leistung zu vergleichen.<\/li>\n<\/ol>\n

          Wenn ein Bild zum Trainieren eines Klassifizierers verwendet wird, hat die Maschine bereits das entsprechende Label f\u00fcr das jeweilige Bild aufgezeichnet. Wenn Sie der Maschine dieses Bild in der Testphase zeigen, k\u00f6nnen Sie nicht messen, wie gut das Modell verallgemeinert. Aus diesem Grund sollten sich Ihre Test- und Trainingsdatens\u00e4tze voneinander unterscheiden.<\/p>\n

          Hinweis:<\/strong> Sie k\u00f6nnen auch Ihre eigenen Bilder zum Trainieren und Testen hochladen. Hier ist eine gute Quelle f\u00fcr kostenlose Bilder.<\/p>\n","protected":false},"author":1,"menu_order":8,"template":"","meta":{"pb_show_title":"","pb_short_title":"","pb_subtitle":"","pb_authors":[],"pb_section_license":""},"chapter-type":[49],"contributor":[],"license":[],"part":205,"_links":{"self":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters\/224"}],"collection":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters"}],"about":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/types\/chapter"}],"author":[{"embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/users\/1"}],"version-history":[{"count":1,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters\/224\/revisions"}],"predecessor-version":[{"id":225,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters\/224\/revisions\/225"}],"part":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/parts\/205"}],"metadata":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapters\/224\/metadata\/"}],"wp:attachment":[{"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/media?parent=224"}],"wp:term":[{"taxonomy":"chapter-type","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/pressbooks\/v2\/chapter-type?post=224"},{"taxonomy":"contributor","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/contributor?post=224"},{"taxonomy":"license","embeddable":true,"href":"https:\/\/aiopentext.itd.cnr.it\/aifurlehrer\/wp-json\/wp\/v2\/license?post=224"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}