nach oben

Erschienen in:

2021 | OriginalPaper | Buchkapitel

2. Visualisierung und Deep Learning in der Data Science

Von Daten zu Bildern und von Bildern zu Daten

verfasst von : Jens Kaufmann, Daniel Retkowitz

Erschienen in: Data Science anwenden

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Zusammenfassung

Menschen nehmen visuell aufbereitete Informationen schnell und effizient wahr. Die Aufbereitung von Daten jeder Art ist daher ein wichtiges und stark beforschtes Gebiet in der Data Science und all ihren umliegenden Feldern. Dabei gilt es, komplexe Informationen so weit zu vereinfachen, dass ohne signifikanten Sinnverlust die Kerninformationen möglichst einfach und anschaulich transportiert werden können. Im Gegenzug besteht eine steigende Notwendigkeit, Bilder und Bildinformationen automatisch zu verarbeiten, sei es für die Gesichtserkennung als biometrisches Merkmal, für persönliche Assistenten oder für die Auswertung der Kamerabilder beim fahrerlosen Auto. Der Beitrag stellt dar, welche Möglichkeiten jeweils existieren und wie Algorithmen, z. B. im Deep Learning, sich selbst oder gegenseitig trainieren und verbessern.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Data Science: Vom Begriff zur Anwendung

Nächstes Kapitel Digitale Ethik in datengetriebenen Organisationen und deren Anwendung am Beispiel von KI-Ethik

Brell C, Brell J, Kirsch S (2016) Statistik von Null auf Hundert, 2. Aufl. Springer, Berlin

Kahl T, Zimmer F (Hrsg) (2020) Interaktive Datenvisualisierung in Wissenschaft und Unternehmenspraxis. Springer, Wiesbaden

Davies J (2020) Word Cloud Generator. https://www.jasondavies.com/wordcloud/. Zugegriffen: 8. Dez. 2020

Provost F, Fawcett T (2017) Data Science für Unternehmen: Data Mining und datenanalytisches Denken praktisch anwenden. mitp, Frechen

OpenGeoDB Downloads (2020) OpenGeoDb, Die freie Geoinformatik-Wissensdatenbank. URL: http://opengeodb.giswii.org/index.php?title=OpenGeoDB_Downloads&oldid=13822. Zugegriffen: 8. Dez. 2020

Backhaus K, Erichson B, Plinke W, Weiber R (2018) Multivariate Analysemethoden, 15. Aufl. Springer, Berlin

Maaten L, Hinton G (2008) Visualizing data using t-SNE. J Mach Learn Res 9(2008):2579–2605MATH

Wattenberg et al (2016) How to use t-SNE effectively. Distill. https://doi.org/10.23915/distill.00002

Bitkom e. V. (2018) Digitalisierung gestalten mit dem Periodensystem der Künstlichen Intelligenz. Ein Navigationssystem für Entscheider. Hg. v. Bitkom e. V. Berlin. https://www.bitkom.org/sites/default/files/2018-12/181204_LF_Periodensystem_online_0.pdf

10.

Abdelhafiz D, Yang C, Ammar R, Nabavi S (2019) Deep convolutional neural networks for mammography: advances, challenges and applications. BMC Bioinformatics 20 (Suppl 11): 281. https://doi.org/10.1186/s12859-019-2823-4

11.

Ding Y, Sohn JH, Kawczynski MG et al (2019) A deep learning model to predict a diagnosis of alzheimer disease by using 18F-FDG PET of the brain. Radiology 290(2):456–464. https://doi.org/10.1148/radiol.2018180958CrossRef

12.

Wang Z, Chen J, Hoi SCH (2019) Deep learning for image super-resolution: A survey. https://arxiv.org/pdf/1902.06068

13.

van den Oord A, Kalchbrenner N, Kavukcuoglu K (2016) Pixel recurrent neural networks. https://arxiv.org/pdf/1601.06759

14.

van den Oord A, Kalchbrenner N, Vinyals O, Espeholt L, Graves A, Kavukcuoglu K (2016) Conditional image generation with pixelCNN decoders. https://arxiv.org/pdf/1606.05328

15.

van den Oord A, Dieleman S, Zen H et al (2016) WaveNet: a generative model for raw audio. https://arxiv.org/pdf/1609.03499

16.

Isola, P, Zhu, J-Y, Zhou T, Efros AA (2016) Image-to-image translation with conditional adversarial networks. https://arxiv.org/pdf/1611.07004

17.

Goodfellow I, Pouget-Abadie J, Mirza M et al (2014) Generative adversarial nets. In: Advances in Neural Information Processing Systems 27: Annual Conference on Neural Information Processing Systems, S. 2672–2680. https://papers.nips.cc/paper/5423-generative-adversarial-nets

18.

Karras T, Laine S, Aila T (2018) A style-based generator architecture for generative adversarial networks. https://arxiv.org/pdf/1812.04948

19.

Gatys LA, Ecker AS, Bethge M (2015) A neural algorithm of artistic style. http://arxiv.org/pdf/1508.06576v2

20.

Hinton GE, Salakhutdinov RR (2006) Reducing the dimensionality of data with neural networks. Science 313(5786):504–507. https://doi.org/10.1126/science.1127647MathSciNetCrossRefMATH

21.

Razavi A, van den Oord A, Vinyals O (2019) Generating diverse high-fidelity images with VQ-VAE-2. https://arxiv.org/pdf/1906.00446

22.

Park T, Liu M-Y, Wang T-C, Zhu J-Y (2019) Semantic image synthesis with spatially-adaptive normalization. https://arxiv.org/pdf/1903.07291

23.

Goodfellow I, Shlens J, Szegedy C (2014) Explaining and harnessing adversarial examples. https://arxiv.org/pdf/1412.6572

Titel: Visualisierung und Deep Learning in der Data Science
verfasst von: Jens Kaufmann
Daniel Retkowitz
Verlag: Springer Fachmedien Wiesbaden
Buch: Data Science anwenden
Print ISBN: 978-3-658-33812-1

Electronic ISBN: 978-3-658-33813-8

Copyright-Jahr: 2021
DOI: https://doi.org/10.1007/978-3-658-33813-8_2

Neuer Inhalt

Bildnachweise

VDI-Icon, Profil Icon, inhalt2, Springer Professional Modul/© Springer Fachmedien Wiesbaden GmbH, Nachhaltigkeitsaward Key Visual/© Cometis AG/Global ESG Monitor | Daniel Rupp | Generiert mit KI, Search Icon, Banner Hanser, Frank Urbansky/© Peter Eichler / Leipzig, CO2-Fußabdruck/© Jenny Sturm / stock.adobe.com, Interview Entropie Bild 1/© Bernhard Weßling, Zeitschrift Wissensmanagement Cover, PatentFit-Logo/© Springer Fachmedien Wiesbaden GmbH, Sustainibility Finance/© Robert Kneschke / stock.adobe.com / Springer Fachmedien Wiesbaden GmbH, Zukunftswerkstatt Sales Excellence 2024/© AndreyPopov / Getty Images / iStock, 2023_Antrieb/© supervisuell

Springer Professional

Zusammenfassung

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"

Neuer Inhalt

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.