Algoritmer och maskininlärning

Transkript

1 Algoritmer och maskininlärning Olof Mogren Chalmers tekniska högskola 2016

2

3 De här företagen vill Tjäna pengar Hitta mönster i stora datamängder Göra förutsägelser Klassificera data Förstå människan

4 Maskininlärning Tjäna pengar Hitta mönster i stora datamängder Göra förutsägelser Klassificera data Förstå människan

5 Tjäna pengar (minikurs i ekonomi) Förstå vad dina kunder vill ha Ge dina kunder vad de vill ha Ta betalt för det de vill ha

6 Hitta mönster i stora datamängder Twitter 58 miljoner tweets om dagen 671 tweets per sekund

7 Information i tweets Ett tweet - lite information 58 miljoner tweets - mycket information Hur hantera?

8 Tweets under arabiska våren. David Beaver, University of Austin, Texas.

9 0.30 Sentiment Positive Negative 0.25 volume /24 11 AM 10/24 05 AM 10/23 23 PM 10/23 17 PM 10/23 11 AM 10/23 05 AM 10/22 23 PM 10/22 17 PM 10/22 11 AM 10/22 05 AM 10/21 23 PM 10/21 17 PM 10/21 11 AM 10/21 05 AM 10/20 23 PM 10/20 17 PM 10/20 11 AM 10/20 05 AM 10/19 23 PM 10/19 17 PM 10/19 11 AM 10/19 05 AM 10/18 23 PM 10/18 17 PM 10/18 11 AM 10/18 05 AM 10/17 23 PM 10/17 17 PM 10/17 11 AM 10/17 05 AM 10/16 23 PM 10/16 17 PM 10/16 11 AM 10/16 05 AM Rates of positive, negative emotion Emotion in Libya 10/16-10/24, Pos vs Neg

10 Beroenden Synliga observationer Dolda variabler Statistisk analys The Curly Fries Conundrum (Jennifer Golbeck, TED Talk)

11 Hittills Twitter, Google, övriga har massor av information Personifiering, riktad reklam Rekommendationer Företagsplanering (vad är coolt? inte coolt?) Maskininlärning: centralt

12 Maskininlärning

13 Maskininlärning Förbättrar prestanda efter observationer. Exempel: symptom, diagnoser Snuva Hosta Influensa

14 maskininlärning Typer: Övervakad (supervised) Ex. klassificering Ex. förutsägelser Oövervakad (unsupervised) Ex. klustring Ex. word2vec ordvektorer

15 Artificiella neurala nätverk Maskininlärning inspirerad av hjärnan Artificiella neuroner Signaler

16 Artificiella neurala nätverk inputs x0 Numeriska signaler Neuronerna lär sig x1 x2 x3 x4 output w0 w1 w2 w3 w4 y

17 Deep Learning inputs Neuroner i lager Många lager djupt nätverk Universal approximation Feature learning hidden layer outputs

18 Bild från författarna.

19 Deep Learning Översättningssystem Text till tal Tail till text Genererad handstil wikimarkup programmeringskod Bildklassificering - ImageNet bättre än människan Gmail smart reply

20 Deep learning i javascript cs231n.stanford.edu playground.tensorflow.org

21 Neural assistent för diskussionsforum (Hagstedt, Mogren, 2016) Djupa neurala sekvensmodeller Numeriska vektorvärda representationer Rekommendera relaterade Inlägg Trådar Användare Nystartat företag: Textual

22 Atari med Deep Q Learning Online Offline

23 Multi-Document Summarization Extrahera viktiga meningar Viktiga meningar - hög likhet med indata Neural word embeddings

24 Algoritmer

25 The stable marriage problem Gale-Shapley 1962 Ekonomipriset till Nobels minne Johan Jarnestad Kungl. Vetenskapsakademin

26 Grafteori Modeller för data Noder Kanter 3

27 Använda grafer Befolkningsdata SCB Proportionerlig täthet Simuleringar

28 Bioinformatik DNA-sekvenser Bayesiska metoder Grafiska modeller (e.g. HMMs)

29 CSALL Masterprogram Algorithms, Languages and Logic Ett skitbra program, där allt kul sker! Kärnan av datavetenskap

30 Algoritmer Grundkurs, TIN093, DIT600 Fortsättningskurs, TDA251, DIT280 Beräkningsbarhet Och annars? Peter Damaschke, Muhammad Azam Sheikh

31 Maskininlärning TDA231, DIT380 Probabilistiska grafiska modeller Support vector machines Deep learning Devdatt Dubhashi

32 Artificiell intelligens TIN172,DIT410 Teknisk kurs Programmeringsprojekt, Shrdlite Essä Peter Ljunglöf

33 Diskret optimering TDA206/DIT370 Linear programming Essä Ashkan Panahi, Peter Damaschke

34 Neurala nätverk FFR135 På institutionen för teknisk fysik Ganska teoretisk Väldigt givande Bernhard Mehlig

35 Christos Peter Dimitrakakis Damaschke Fredrik Mikael Johansson Kågebäck Richard Alexander Devdatt Dubhashi Johansson Schliep Olof Mogren Ashkan Panahi Aristide Tossou

36 Reflektioner Plan: människa-dator-interaktion Upptäckte algoritmer Nu doktorand

37 Slutsatser Börja brett Ni hittar det som är kul Mattekurserna är värdefulla...och kul!

38 Tack för er uppmärksamhet!