AI vs. Automation Workshop by Joseph Busch

AI vs. Automation: Automated Tagging and Machine Learning Workshop
Voor belangstellenden hier vast de agenda van de workshop van Joseph Busch. [Propaganda voor zijn keynote stond al in onze vorige post]


Time Format Description Outcomes

30 min

Lecture

  • What is artificial intelligence, automated tagging, and machine learning.
  • Understand the key features and differences of AI, automated tagging, and machine learning.
  • 30 min

    Demo

  • Demo some natural language processing, entity extraction, and complex Boolean query tagging tools:
    – Lexalytics Semantria. [1]
    – Data Harmony Machine Aided Indexer (MAI) [2]
  • Understand the types of features that differentiate automated tagging tools, and the criteria for evaluating them.
  • 30 min

    Activity

  • Participate in a query building exercise working hands-on with tagging tools:
    – Lexalytics Semantria for Excel.
    – Data Harmony Machine Aided Indexer (MAI)
  • Obtain a practical understanding of how to build an automated classifier.
  • 30 min

    Lecture & demo

  • Review the pitfalls and benefits of machine learning in practice.
  • Demo Unsilo [3], an unsupervised machine learning tool.
  • Understand the differences between supervised and unsupervised machine learning.
  • Be aware of potential unintended consequences of unsupervised machine learning.
  • .

    Waar is Waldo?

    Had je Waldo al gevonden in ons 2018 beeldmerk hierboven?
    Nee?
    Dan ben je toch nog niet zo goed in zoeken & vinden 😉
    Maar er is nog hoop, want je kunt dat nu ook aan een neuraal netwerk overlaten:

    Process of a Neural Network learning to find Wally from start to finish

    Drie dagen geleden verscheen op Medium een handleiding hoe je een neuraal netwerk kunt trainen om “Waar is Waldo” puzzels op te lossen.

    Deep learning provides yet another way to solve the Where’s Wally puzzle problem. But unlike traditional image processing computer vision methods, it works using only a handful of labelled examples that include the location of Wally in an image.

    De auteur gebruikt Google’s “Tensorflow Object Detection API” en een Python script. Met een paar voorbeeldplaatjes waarop Waldo al gemarkeerd is, wordt het systeem dan getraind. Al het door de auteur gebruikte en ontwikkelde materiaal is op Github beschikbaar. Als het een van onze lezers lukt om het zelf aan de gang te krijgen, dan nodigen we die graag uit om 28 maart in een workshop aan andere geïnteresseerden te leren hoe dat moet.