Vortrag

Representation Learning von Zeitreihen

Vortrag auf dem Meetup „Das Unvorhersehbare vorhersagen: Zeitreihen und Chatbots“ am 12.06.2019 in Hamburg.

Es liegt in der Natur des Menschen das Unvorhersehbare vorherzusagen: Wetter, Aktienkurse, Krankheitsverläufe, die Reaktion eines Menschen. Neueste Deep Learning Ansätze sind in der Lage solche sequentielle Sachverhalte immer genauer zu prognostizieren, setzen aber auch immer größere Datenmengen und Rechenleistungen voraus, die sowohl in Forschung als auch in der Praxis häufig nicht vorliegen. Wie kann man gute Ergebnisse erreichen, wenn nur wenig Daten vorliegen?

Marisa Mohr stellte in ihrem Vortrag einen neuen und vielversprechenden informationstheoretischen Ansatz zum Feature Learning von sequentiellen Daten vor, der potenziell auch mit wenigen Daten auskommt. Dabei ging es speziell um ordinale Muster in Zeitreihen, wie sie beispielsweise als Veränderung von Emotionen im Gesprächsverlauf zu finden sind. Eine solche Entwicklung ist für Menschen in der Regel leicht zu erkennen. Chatbots hingegen können nicht intuitiv auf solche Emotionsverläufe reagieren, sondern müssen entsprechend programmiert werden.

Details:

Deep-Learning-Ansätze wie LSTMs, RNNs oder TCNs haben sich im Umgang mit sequentiellen Daten bewährt. Neuronale Netzwerke sind tief im technischen Sinn, weil sie mehrere (verborgene) Schichten besitzen, aber nicht weil sie ein tiefes Verständnis von Problemen entwickeln. In diesem Vortrag stellte Marisa einen symbolischen informationstheoretischen Ansatz des Representation Learnings von Zeitreihen vor und damit eine Möglichkeit, konzeptionelle Schichten zu konstruieren. Die Idee hinter der sogenannten Permutationsentropie besteht darin, anstelle der Werte einer Zeitreihe die Ordnungsrelation zwischen den Werten zu betrachten, und so auf das natürliche Auf und Ab des zugrundeliegenden dynamischen Systems zurückzugreifen.

Event: inovex Meetup: Das Unvorhersehbare vorhersagen: Zeitreihen und Chatbots

Datum: 12.06.2019

Speakerin: Marisa Mohr

Marisa Mohr

Marisa Mohr ist Machine Learning Engineer und seit Anfang 2019 bei inovex tätig. Sie beschäftigt sich mit der mathematischen Modellierung und Implementierung von Vorhersagemodellen im Bereich Machine Perception & Artificial Intelligence. Gleichzeitig arbeitet sie seit März 2018 an ihrer Dissertation zum Thema „Time-Series Representation Learning“.

Wie können wir Sie unterstützen?

Nehmen Sie Kontakt mit uns auf – ganz einfach per Telefon oder E-Mail.

Wir freuen uns auf Ihre Nachricht!


inovex Events

Hier geht's zu unseren aktuellen Messen, Konferenzen und Meetups.

Zur Event-Liste

inovex Voträge

Alexander Pospiech I 20.11.2018

Dark Side of AI/ML

Zum Vortrag

Aktuelle News über inovex und die Branche

inovex Newsletter

Jetzt hier anmelden!

inovex Case Study

mobile.de: Use Cases für Recommendations bei Online-Portalen anhand von Datenprodukten

Case Study lesen