Aktionen

Maschinelles Dichten: Unterschied zwischen den Versionen

Aus exmediawiki

(Die Seite wurde neu angelegt: „=KHM-Wolke= Anleitung: KHM-Wolke einrichten '''was bietet euch diese Cloud?:''' * Filesharing zwischen eigenen und den Lab-Rechnern * Eigene Cloud * Eigen…“)
 
 
(74 dazwischenliegende Versionen desselben Benutzers werden nicht angezeigt)
Zeile 1: Zeile 1:
 +
[[AI@exLabIII|Seminar]], '''31.10.2019'''
 
=KHM-Wolke=
 
=KHM-Wolke=
 
Anleitung: [[KHM-Wolke einrichten]]
 
Anleitung: [[KHM-Wolke einrichten]]
Zeile 7: Zeile 8:
 
* Eigener Kalender, Passwortcontainer, Mindmaps etc.
 
* Eigener Kalender, Passwortcontainer, Mindmaps etc.
 
* Frontend für euren E-Mail Account
 
* Frontend für euren E-Mail Account
 +
<!--
 
----
 
----
 
'''Link zu unserem Seminars-Filesharing-Ordner:''' '''[https://wolke.khm.de/index.php/s/oqZMPmgS9M8Yw9m Seminars-Cloud]''' oder neuer link???
 
'''Link zu unserem Seminars-Filesharing-Ordner:''' '''[https://wolke.khm.de/index.php/s/oqZMPmgS9M8Yw9m Seminars-Cloud]''' oder neuer link???
 +
 
----
 
----
 
'''Experimentelle Informatik - Kalender:''' https://wolke.khm.de/index.php/apps/calendar/p/n6a59z9AnKKnFgTz/exLabIII
 
'''Experimentelle Informatik - Kalender:''' https://wolke.khm.de/index.php/apps/calendar/p/n6a59z9AnKKnFgTz/exLabIII
 
* '''''...zum Download im *.ics Format:''''' https://wolke.khm.de/remote.php/dav/public-calendars/n6a59z9AnKKnFgTz?export
 
* '''''...zum Download im *.ics Format:''''' https://wolke.khm.de/remote.php/dav/public-calendars/n6a59z9AnKKnFgTz?export
 +
---->
 +
--
 +
 +
=Vorstellungsrunde=
 +
human@machine $ whoareyou
 +
Frage1 an euch:
 +
* was richtete eure aufmerksamkeit in den letzten tagen/wochen/monaten besonders auf sich? d.h. welche debatten, news, diskussionen mit euren freunden/bekannten in diesem kontext?
 +
* wie lautet deine künstlerische Fragestellung?
 +
<!--
 +
----
 +
human@machine $ whoami
 +
Frage2 an mich:
 +
was passiert wenn wir mit hilfe von künstlicher intelligenz beginnen soziale klassen zu unterscheiden, bzw. sogar sie selbst klassifizieren zu lassen?
 +
* oktober 2019: https://www.theguardian.com/technology/2019/oct/16/automated-messages-welfare-australia-system
 +
In Australien entscheidet ein automatisiertes System über eingestellte Zahlungen an Empfänger:innen von Sozialleistungen und versendet jede Woche rund 50.000 entsprechende Benachrichtigungen. Luke Henriques-Gomes, Australien-Korrespondent bei The Guardian, berichtet über die teils prekären Situationen, in denen die Betroffenen dadurch landen würden. Häufig genügten geringste Versäumnisse, etwa die Nichtteilnahme an einem von der Arbeitsagentur kurzfristig festgelegten Termin, für einen Zahlungsstopp. Problematisch seien laut Henriques-Gomes nicht nur das aggressive Regelwerk des Systems und die Tatsache, dass menschliches Personal bei den Behörden immer weniger Einfluss auf Entscheidungen habe, sondern auch, dass den Betroffenen Ansprechpartner:innen fehlten – gerade dann, wenn eine algorithmische Entscheidung sich als falsch herausstellt [https://algorithmenethik.de/2017/10/25/in-australien-prueft-eine-software-die-sozialbezuege-und-erfindet-schulden-fuer-20-000-menschen (Fehlentscheidungen der Software sorgten sorgten schon vor zwei Jahren für Aufsehen)].
 +
 +
Gemäß der Recherche des Guardian seien zwei Gruppen in besonderem Maße negativ von dem System betroffen: Obdachlose und Alleinerziehende.
 +
----
 +
* April 2019: https://www.theverge.com/2019/4/25/18516004/amazon-warehouse-fulfillment-centers-productivity-firing-terminations
 +
** Darstellung 1: https://t3n.de/news/amazon-vollautomatischer-versand-braucht-noch-zeit-automatisierte-kuendigung-funktioniert-schon-1160456/
 +
Da errechnet der Computer laut Medienberichten bereits heute, wer nicht produktiv genug ist, und verwarnt und entlässt automatisiert. Der Vorgesetzte muss nur noch gegenzeichnen, wie das Portal mit [https://cdn.vox-cdn.com/uploads/chorus_asset/file/16190209/amazon_terminations_documents.pdf diesem Dokument] belegt. Laut dem Bericht würden jedes Jahr zahlreiche Mitarbeiter aufgrund mangelnder Effizienz entlassen, wobei die Überwachung und Auswahl mithilfe eines automatisierten Tools erfolge. Einige Mitarbeiter gaben an, dass sie deshalb bereits so weit wie möglich auf Toilettenpausen verzichteten.
 +
** Darstellung 2: https://www.focus.de/finanzen/news/us-bericht-ki-bei-amazon-kuendigt-langsame-mitarbeiter-automatisch_id_10660365.html
 +
Wie das US-Magazins "The Verge" berichtet, setzt der US-Onlineversandhändler einen Algorithmus ein, um die Arbeit seiner Mitarbeiter zu kontrollieren und auszuwerten. Ist die Leistung nicht zufriedenstellend, kann das System die Mitarbeiter sogar feuern. Kündigungen und Abmahnungen verschickt die KI teilweise automatisiert – und ohne vorherige Zustimmung eines Vorgesetzten.
 +
----
 +
* Oktober 2018: https://www.heise.de/newsticker/meldung/Amazon-KI-zur-Bewerbungspruefung-benachteiligte-Frauen-4189356.html
 +
** Amazon: KI zur Bewerbungsprüfung benachteiligte Frauen - Ein automatisches Bewertungssystem von Bewerbungen bei Amazon wurde größtenteils eingestampft, nachdem der US-Konzern mitbekommen hatte, dass die KI Frauen systematisch benachteiligte. Das geht aus einem [https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G Bericht der Nachrichtenagentur Reuters] hervor. Demnach war seit 2014 intern ein Algorithmus entwickelt worden, der unter mehreren Bewerbungstexten automatisch jene der vielversprechendsten Bewerber herausfiltern sollte.
 +
-->
 +
----
 +
 +
=Exkursion/Gäste in diesem Semester=
 +
 +
<gallery>
 +
Wagner_Robokratie.jpg|Thomas Wagner 07.11.2019 [[AI@exLabIII#Thomas_Wagner]]
 +
PlakatA2red.jpg|capulcu 14.11.2019 [[AI@exLabIII#capulcu]]
 +
Imi-nocyb.png|Christoph Marischika 05.12.2019 [[AI@exLabIII#Krieg & KI]]
 +
Fiffkon19web.jpg|Fiffkon 22.-24.11. [[AI@exLabIII#Exkursion]]
 +
Fingerprintfam.png|Workshop und Diskussion mit Matthias Burba und Klaus Fritze in [[DNA phenotyping]], Freitags @ [[Open Lab]]
 +
</gallery>
 +
 +
----
 +
 +
=Projektpräsentation - Verena Lercher=
 +
[http://www.verenalercher.com/ Verena Lercher] stellt ihre künstlerische Arbeit vor:
 +
<center>[[Datei:Verena l2.png|link=https://exmediawiki.khm.de/exmediawiki/images/3/35/KI-Plakat.pdf]]</center>
 +
 +
----
 +
==Ross Goodwin on the Road==
 +
Not a poet.
 +
 +
Ross Goodwin is an Artist, creative technologist, hacker, gonzo data scientist, writer of writers. Graduate of NYU ITP & MIT; former Obama administration ghostwriter. Employs machine learning, natural language processing, other computational tools to realize new forms & interfaces for written language.
 +
 +
<big>'''wordcar'''</big>
 +
https://github.com/rossgoodwin/wordcar
 +
 +
<embedvideo service="youtube">https://www.youtube.com/watch?v=TqsW0PMd8R0</embedvideo>
 +
 +
Artikel:
 +
* https://medium.com/artists-and-machine-intelligence/ai-poetry-hits-the-road-eb685dfc1544
 +
* https://bombmagazine.org/articles/ross-goodwins-1-the-road/
 +
* https://fm4.orf.at/stories/2874687/
 +
 +
=Jupyter Notebooks Einführung=
 +
Offizielle Dokumentation: https://jupyter-notebook.readthedocs.io/en/stable/index.html
 +
 +
Jupyter ist eine Webapplikation, die das Arbeiten mit sogenannten Jupyter Notebooks ermöglicht.
 +
In Jupyter Notebooks kann man neben Code (nicht nur Python) auch formatierten Text, Links,
 +
Bilder, Videos und interaktive Widgets generieren, laufen lassen und exportieren.
 +
Neben der modernen Jupyter-Umgebung kann man Python auch im klassichen Interface “Editor + Command Line” verwenden.
 +
 +
----
 +
==Markdown Syntax==
 +
 +
Markdown hat Ähnlichkeiten mit einer Computersprache, ist aber wesentlich einfacher konzipiert und soll so für jeden verständlich sein. Markdown ermöglicht es, Texte im Web zu formatieren, ohne das betreffende Dokument dazu mit eckigen Klammern, Befehlen und sonstigen Kommandos zu überfluten, wie man sie für ein gestyltes HTML-Dokument normalerweise benötigt.
 +
 +
Am besten zeigen sich die Vorteile von Markdown in einem Praxisbeispiel. Zwei Absätze mit Text und einer Überschrift sollen gestylt werden – der erste kursiv, und der Zweite gefettet. In klassischem HTML müsste man eigentlich folgenden Code verfassen:
 +
----
 +
<nowiki>
 +
<h2>Markdown-Test</h2></nowiki>
 +
<br>
 +
<nowiki>
 +
<p><strong>Dieser Text soll fett geschrieben werden.</strong></p></nowiki>
 +
<br>
 +
<nowiki>
 +
<p><em>Und dieser Absatz soll kursiv angezeigt werden.</em></p></nowiki>
 +
----
 +
In Markdown würde das obere Beispiel wie folgt aussehen:
 +
----
 +
## Markdown-Test
 +
**Dieser Text soll fett geschrieben werden.**
 +
*Und dieser Absatz soll kursiv angezeigt werden.*
 +
----
 +
* zum Ausprobieren, siehe Notebook in Cloud: '''Markdown-basics.ipynb'''
 +
 +
'''Markdown hilfe:'''
 +
* https://help.github.com/en/articles/basic-writing-and-formatting-syntax
 +
advanced:
 +
*https://help.github.com/en/articles/working-with-advanced-formatting
 +
 +
*https://www.markdownguide.org/
 +
*https://sourceforge.net/p/bexpred/wiki/markdown_syntax/
 +
 +
----
 +
=erste Schritte mit Python=
 +
 +
=== Variablen setzen ===
 +
 +
var_string = "null"
 +
var_int = 0
 +
 +
=== Ausgaben mit ''print()'' ===
 +
print(var_int)
 +
 +
print("Hallo Welt")
 +
 +
=== Eingaben mit ''input()''===
 +
Text:
 +
input("Schreibe ein Wort:")
 +
 +
Ganzzahl:
 +
int(input("Schreibe eine Ganzzahl:"))
 +
 +
Fließkommazahl:
 +
float(input("Schreibe eine Fließkommazahl:"))
 +
 +
===die »for«-Schleife===
 +
liste = ["Alles", "macht", "weiter"]
 +
for i in liste:
 +
    print(i)
 +
 +
===Kommentare===
 +
Einzeiliges Kommentar
 +
# mit dem Hashtag zu Beginn einer Zeile wird auskommentiert
 +
 +
mehrzeilige Kommentare:
 +
"""In 3 Anführungszeichen
 +
können mehrzeilige Kommentare (__doc__strings)
 +
verfasst werden"""
 +
 +
----
 +
==Python Tutorials==
 +
 +
'''Onlinetutorial:'''
 +
*[https://tutorial.djangogirls.org/de/python_introduction/ Python tutorial der djangogirls (Deutsch)]
 +
 +
'''Book:'''
 +
*[https://exmediawiki.khm.de/exmediawiki/images/6/6d/Py-tutorial-de.pdf Das Python3.3-Tutorial (Deutsch)]
 +
 +
'''Videotutorial:'''
 +
*[https://www.youtube.com/playlist?list=PLbd_WhypdBbAMyFfKgSj27JO7CEpuIcEK Videotutorial von »Coding is for girls« (Englisch)]
 +
 +
'''Hands-on Tutroial:'''
 +
*[https://hourofpython.trinket.io/a-visual-introduction-to-python#/welcome/an-hour-of-code an hour of Code - A Visual Introduction to Python]
 +
 +
----
 +
=Stimmungsanalyse=
 +
[[Datei:Textblob.jpeg|500px]]
 +
 +
in short:
 +
 +
Opinion Mining (manchmal als Stimmungsanalyse oder Emotion AI ) bezieht sich auf
 +
* die Verwendung von natürlicher Sprachverarbeitung, Textanalyse , Computerlinguistik und Biometrie, 
 +
* systematisches Identifizieren, Extrahieren, Quantifizieren und studieren affektiver Zustände, sowie subjektiver Informationen.
 +
 +
Generell zielt Sentimentanalyse darauf ab, die Haltung eines Sprechers/Autors in Bezug auf einige Themen oder die kontextuelle Polarität / emotionale Reaktion auf ein Dokument, eine Interaktion, oder ein Ereignis zu bestimmen.
 +
----
 +
Wikipedia:
 +
 +
Sentiment Detection (auch Sentimentanalyse, englisch für „Stimmungserkennung“) ist ein Untergebiet des Text Mining und bezeichnet die automatische Auswertung von Texten mit dem Ziel, eine geäußerte Haltung als positiv oder negativ zu erkennen.
 +
* see: https://de.wikipedia.org/wiki/Sentiment_Detection#Einf%C3%BChrung
 +
 +
==textblob==
 +
TextBlob ist ein Tool für natural language processing (NLP) mit Python.
 +
 +
Mit Textblob sind viele Ansätze wie etwa Erkennen von Wortarten, Extraktion von Substantiven, Stimmungsanalyse und auch Klassifizierungen möglich.
 +
 +
===textblob in short===
 +
type in terminal:
 +
pip install textblob
 +
 +
type in Notebook:
 +
from textblob import TextBlob
 +
 +
textsnippet = TextBlob('not a very great experiment')
 +
 +
print(textsnippet.sentiment)
  
 
----
 
----
 +
[[Category:Seminar]]
 +
[[Category:KI]]
 +
[[Category: Natural Language Processing]]
 +
[[Category:AI Poetry]]
 +
[[Category:Python]]
 +
[[Category:Sentiment Analysis]]
 +
[[Category:WS2019-20]]

Aktuelle Version vom 31. Mai 2020, 14:02 Uhr

Seminar, 31.10.2019

KHM-Wolke

Anleitung: KHM-Wolke einrichten

was bietet euch diese Cloud?:

  • Filesharing zwischen eigenen und den Lab-Rechnern
  • Eigene Cloud
  • Eigener Kalender, Passwortcontainer, Mindmaps etc.
  • Frontend für euren E-Mail Account

--

Vorstellungsrunde

human@machine $ whoareyou

Frage1 an euch:

  • was richtete eure aufmerksamkeit in den letzten tagen/wochen/monaten besonders auf sich? d.h. welche debatten, news, diskussionen mit euren freunden/bekannten in diesem kontext?
  • wie lautet deine künstlerische Fragestellung?

Exkursion/Gäste in diesem Semester

Projektpräsentation - Verena Lercher

Verena Lercher stellt ihre künstlerische Arbeit vor:

Verena l2.png

Ross Goodwin on the Road

Not a poet.

Ross Goodwin is an Artist, creative technologist, hacker, gonzo data scientist, writer of writers. Graduate of NYU ITP & MIT; former Obama administration ghostwriter. Employs machine learning, natural language processing, other computational tools to realize new forms & interfaces for written language.

wordcar https://github.com/rossgoodwin/wordcar

Artikel:

Jupyter Notebooks Einführung

Offizielle Dokumentation: https://jupyter-notebook.readthedocs.io/en/stable/index.html

Jupyter ist eine Webapplikation, die das Arbeiten mit sogenannten Jupyter Notebooks ermöglicht. In Jupyter Notebooks kann man neben Code (nicht nur Python) auch formatierten Text, Links, Bilder, Videos und interaktive Widgets generieren, laufen lassen und exportieren. Neben der modernen Jupyter-Umgebung kann man Python auch im klassichen Interface “Editor + Command Line” verwenden.

Markdown Syntax

Markdown hat Ähnlichkeiten mit einer Computersprache, ist aber wesentlich einfacher konzipiert und soll so für jeden verständlich sein. Markdown ermöglicht es, Texte im Web zu formatieren, ohne das betreffende Dokument dazu mit eckigen Klammern, Befehlen und sonstigen Kommandos zu überfluten, wie man sie für ein gestyltes HTML-Dokument normalerweise benötigt.

Am besten zeigen sich die Vorteile von Markdown in einem Praxisbeispiel. Zwei Absätze mit Text und einer Überschrift sollen gestylt werden – der erste kursiv, und der Zweite gefettet. In klassischem HTML müsste man eigentlich folgenden Code verfassen:

<h2>Markdown-Test</h2>
<p><strong>Dieser Text soll fett geschrieben werden.</strong></p>
<p><em>Und dieser Absatz soll kursiv angezeigt werden.</em></p>

In Markdown würde das obere Beispiel wie folgt aussehen: 

## Markdown-Test
**Dieser Text soll fett geschrieben werden.**
*Und dieser Absatz soll kursiv angezeigt werden.*
  • zum Ausprobieren, siehe Notebook in Cloud: Markdown-basics.ipynb

Markdown hilfe:

advanced:

erste Schritte mit Python

Variablen setzen

var_string = "null"
var_int = 0

Ausgaben mit print()

print(var_int)

print("Hallo Welt")

Eingaben mit input()

Text: 

input("Schreibe ein Wort:")

Ganzzahl: 

int(input("Schreibe eine Ganzzahl:"))

Fließkommazahl: 

float(input("Schreibe eine Fließkommazahl:"))

die »for«-Schleife

liste = ["Alles", "macht", "weiter"]
for i in liste:
    print(i)

Kommentare

Einzeiliges Kommentar 

# mit dem Hashtag zu Beginn einer Zeile wird auskommentiert

mehrzeilige Kommentare: 

"""In 3 Anführungszeichen
können mehrzeilige Kommentare (__doc__strings)
verfasst werden"""

Python Tutorials

Onlinetutorial:

Book:

Videotutorial:

Hands-on Tutroial:

Stimmungsanalyse

Textblob.jpeg

in short:

Opinion Mining (manchmal als Stimmungsanalyse oder Emotion AI ) bezieht sich auf

  • die Verwendung von natürlicher Sprachverarbeitung, Textanalyse , Computerlinguistik und Biometrie,
  • systematisches Identifizieren, Extrahieren, Quantifizieren und studieren affektiver Zustände, sowie subjektiver Informationen.

Generell zielt Sentimentanalyse darauf ab, die Haltung eines Sprechers/Autors in Bezug auf einige Themen oder die kontextuelle Polarität / emotionale Reaktion auf ein Dokument, eine Interaktion, oder ein Ereignis zu bestimmen.

Wikipedia:

Sentiment Detection (auch Sentimentanalyse, englisch für „Stimmungserkennung“) ist ein Untergebiet des Text Mining und bezeichnet die automatische Auswertung von Texten mit dem Ziel, eine geäußerte Haltung als positiv oder negativ zu erkennen.

textblob

TextBlob ist ein Tool für natural language processing (NLP) mit Python.

Mit Textblob sind viele Ansätze wie etwa Erkennen von Wortarten, Extraktion von Substantiven, Stimmungsanalyse und auch Klassifizierungen möglich.

textblob in short

type in terminal: 

pip install textblob

type in Notebook: 

from textblob import TextBlob

textsnippet = TextBlob('not a very great experiment')

print(textsnippet.sentiment)
Abgerufen von „https://exmediawiki.khm.de/index.php?title=Maschinelles_Dichten&oldid=5545“