{"id":7496,"date":"2020-02-01T14:19:10","date_gmt":"2020-02-01T13:19:10","guid":{"rendered":"https:\/\/www.l3s.de\/?page_id=7496"},"modified":"2023-01-17T12:19:45","modified_gmt":"2023-01-17T11:19:45","slug":"machine-learning-workflows-made-easy","status":"publish","type":"page","link":"https:\/\/www.l3s.de\/de\/magazine\/binaire-articles\/machine-learning-workflows-made-easy\/","title":{"rendered":"Machine-Learning-Workflows leicht gemacht"},"content":{"rendered":"
\n \n
\n \n \n
\n \n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n
\n \n \n \"\"\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n \n
\n

Foto: Simple ML<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n \n
\n

Ausgabe 01\/2020<\/p>\n <\/div>\n <\/div>\n

\n \n
K\u00fcnstliche Intelligenz<\/span><\/a>\n <\/span>\n <\/div>\n <\/div>\n
\n \n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n \n \n
\n \n
\n \n
\n \n \n

Machine-Learning-Workflows leicht gemacht<\/h1>\n <\/div>\n <\/div>\n
\n \n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n \n
\n

Wer die neuesten Techniken des maschinellen Lernens (ML) nutzen m\u00f6chte, steht vor einer gro\u00dfen Herausforderung. Bereits vermeintlich einfache Aufgaben wie eine Verkehrsprognose werfen eine Reihe von Fragen auf: Wo finde ich geeignete Fahrzeugdaten f\u00fcr meine Prognose? Wie kann ich diese im Zusammenspiel mit Wetter- und Kartendaten verwenden? Was f\u00fcr ein ML-Verfahren sollte ich w\u00e4hlen? Wie beschreibe ich meinen ML-Workflow? Wie gut ist meine Prognose? Insbesondere Neulinge im Bereich der Datenverarbeitung und des maschinellen Lernens kann das schnell frustrieren, selbst wenn sie \u00fcber gen\u00fcgend Expertise in ihrem eigenen Fachbereich verf\u00fcgen.<\/p>\n

Im Projekt Simple-ML<\/em> arbeitet das L3S<\/em> zusammen mit der Rheinischen Friedrich-Wilhelms-Universität Bonn<\/em>, der AIM Agile IT Management GmbH<\/em> und der PROJEKTIONISTEN GmbH<\/em> daran, ML-Prozesse für einen breiten Anwenderkreis leichter zugänglich zu machen. Dies beinhaltet unter anderem die Bereitstellung und Beschreibung geeigneter Datensätze, Hilfe und Tipps bei der Auswahl von ML-Modellen sowie die Erklärung und interaktive Visualisierung der Ergebnisse – alles begründet auf semantischen Datenprofilen, robusten Workflow-Spezifikationen mit einer eigenen domänenspezifischen Sprache und skalierbaren Umsetzungen. Ein besonderer Fokus liegt auf der Umsetzung von ML-Verfahren in den Domänen Mobilität und Logistik, da insbesondere in diesen Bereichen zunehmend offene heterogene Daten verfügbar sind. Sie erfordern spezialisierte Operationen und Visualisierungen, die über den Einsatz herkömmlicher ML-Tools hinausgehen.<\/p><\/p>\n

Simple-ML soll also den Zugang zum maschinellen Lernen erleichtern, ML verst\u00e4ndlicher machen und Interaktionsm\u00f6glichkeiten bieten, damit zum Beispiel s\u00e4mtliche Teilaufgaben auf dem Weg zu einer Verkehrsprognose ohne signifikante ML-Expertise gelingen und ein robuster, nachvollziehbarer und effizienter ML-Workflow entsteht.<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n \n \n
\n \n
\n \n
\n \n
\n
\n \n \n
\n \n
\n <\/span><\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n
Vorgestellte Projekte<\/h6>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n \n \n \"\"\n
<\/div>\n <\/div>\n <\/a>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n
\n \n \n
\n \n
\n \n
\n \n \n
Kontakt<\/h6>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n
\n \n \n \"\"\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n
Dr. Elena Demidova<\/h6>\n <\/div>\n <\/div>\n
\n \n
demidova@l3s.de<\/span><\/a>\n <\/span>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n \n
\n

Elena Demidova ist Projekkoordinatorin von Simple-ML und forscht am L3S in den Bereichen KI, Data Analytics und Mobilit\u00e4t.<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n

\n
\n \n \n
\n \n
\n \n
\n
\n \n \n \"\"\n
<\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n
\n \n
\n
\n \n \n
\n \n
\n \n
\n \n \n
Simon Gottschalk<\/h6>\n <\/div>\n <\/div>\n
\n \n
gottschalk@l3s.de<\/span><\/a>\n <\/span>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n
\n \n \n
\n

Simon Gottschalk forscht als Doktorand am L3S an Wissensgraphen, Events und semantischen Datenprofilen.<\/p>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n <\/div>\n<\/div>","protected":false},"excerpt":{"rendered":"

Foto: Simple ML Issue: 01\/2020 K\u00fcnstliche Intelligenz Machine learning workflows made easy Anyone who wants to use the latest machine learning (ML) techniques faces a major challenge. Even supposedly simple tasks like traffic forecasting raise a number of questions: Where can I find suitable vehicle data for my forecast? How can I use them in […]<\/p>","protected":false},"author":7,"featured_media":7497,"parent":2750,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"page-templates\/full-width-page.php","meta":{"_acf_changed":false,"footnotes":""},"categories":[],"tags":[28,83],"class_list":["post-7496","page","type-page","status-publish","has-post-thumbnail","hentry","tag-binaire","tag-binaire-2020-01"],"acf":[],"aioseo_notices":[],"publishpress_future_action":{"enabled":false,"date":"2026-05-27 00:24:09","action":"category","newStatus":"draft","terms":[75],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"_links":{"self":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/7496","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/comments?post=7496"}],"version-history":[{"count":0,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/7496\/revisions"}],"up":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/pages\/2750"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media\/7497"}],"wp:attachment":[{"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/media?parent=7496"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/categories?post=7496"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.l3s.de\/de\/wp-json\/wp\/v2\/tags?post=7496"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}