Use Case Diskussionen & Prototype - Morris Riedel
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
1 25.05.2020 ON4OFF Partner Meeting
Use Case Diskussionen & Prototype
Prof. Dr. – Ing. Morris Riedel
Jülich Supercomputing Centre, Forschungszentrum Jülich, Deutschland
School of Engineering & Natural Sciences, Universität Island, Island
25.05.2020 Online
2 25.05.2020 ON4OFF Partner Meeting Follow-Up Gold Use Case
3 25.05.2020 ON4OFF Partner Meeting
Schlagworte
Maschinelles
Künstliche Lernen
Intelligenz Big Data
Deep Personalisiert &
Learning Individuell High Performance
Stationärer
Computing & Cloud
Einzelhandel
Computing
Customer Journey
& Einkaufserlebnis
Seamless
Shopping Modular
Cross Supercomputing
Channel
4 25.05.2020 ON4OFF Partner Meeting ON4OFF Referenzmodell für den Einzelhandel (KI Fokus)
5 25.05.2020 ON4OFF Partner Meeting
Beispiel: Automatische Erzeugung von Begriffen für Fragen im Shop (DB)
Vortrainiertes RESNET-50 Netzwerk auf 14
Mio Bilder (ImageNet Bilder frei verfügbar)
3-4 Stunden Aufwand, nicht sehr komplex
(Fine-tuning mit RESNET-50 etwas mehr)
Einmal trainiert, braucht kaum Rechenzeit
Adaptierbar auf Ihre Produktpalette
Top 1-5 Treffer denkbar (nicht nur
Hauptbegriff - auch Nebenbegriffe)
(Neuartige tiefe Neuronale Lernnetze zur Bilderkennung …)
(Ich suche ein Parfum das sieht aus wie ein Goldbarren…)
(Tiefes neuronales Netzwerk
[1] Foto: lührmann.de heisst smarte layers, nicht nur Neurons)
6 25.05.2020 ON4OFF Partner Meeting
Beispiel: Automatische Erzeugung von Begriffen PhD Student Chadi Barakat
(… wie eine Tischlampe)
(… wie ein
Cocktail Shaker)
(… wie ein
Rotwein
oder Vase;
Unterschiede
in der
Wahrnehmung)
[3] DeepSense.ai, ‘Produkterkennung’
Next Steps: Customer
(Nächster Schritt bspw.: Wo ist Produkt X Journey: Beschrieben
bzw. die ähnlichen Produkte bei Ihnen?) und im Review!
7 25.05.2020 ON4OFF Partner Meeting
Beispiel: Automatische Erzeugung von Begriffen – Nächste Schritte
RESNET-50 Deep Neural Network Transfer Learning
Vortrainiertes RESNET-50 Deep Gelernte vortrainierte Features
Learning Netzwerk als initiale Begriffe benutzen und neu trainieren mit Parfum
Übersetzung! ( z.B. Farben, Formen)
MongoDB
Data Augmentation Netzwerk Parameter Tuning
Der Lernprozess braucht mehr Signifikantes Tuning des RESNET-50 auf
Daten (z.B. Pixel rein/raus, konkreten Anwendungsfall
Rotationen, etc.) (z.B. weniger Layer vs. besseres Training
8 25.05.2020 ON4OFF Partner Meeting Bottom-Up Prototyp
9 25.05.2020 ON4OFF Partner Meeting ON4OFF Referenzmodell für den Einzelhandel (KI Fokus)
10 25.05.2020 ON4OFF Partner Meeting Bottom-Up Prototyp vom Miro Board – Von Konzept zur Realisierung (1/2)
11 25.05.2020 ON4OFF Partner Meeting
Bottom-Up Prototyp vom Miro Board – Von Konzept zur Realisierung (2/2)
Life-Demo später
Association Rule Mining als Verwandte Produkte
Level 1 implementiert mit Apriori Algorithmus: Klick auf das
Produkt und es werden die angezeigt die auch immer gekauft
werden (nicht personalisiert, da keine KundenID momentan)
Level 2 Planung: Mehr mit Stellschrauben am Apriori Algorithmus
machbar: bspw. Support („wie oft in der DB“) oder Confidence
(„Stärke der Regel“) – wir wollen hohen Support und hohe
Confidence; erster Schritt wäre hier: „Hebel mit Support“:
Level 3 Planung: Echte Datenmengen und evtl. Computing bzw.
Weiterentwicklung vom Apriori (Array) zu FP-Growth Algorithmus
(Tree)
[2] Mythili et al.,
‘Performance evaluation
of apriori and fp-growth
algorithms’, 2013
Wäre das ein
Schnellboot für COVID-
19Unternehmen12 25.05.2020 ON4OFF Partner Meeting
Agenda-Driven Management (ACM) im Kontext der Berater-UI & Next Steps
Next Steps: Level 4 Planung: Apriori
Algorithm kann weitaus mehr – falls
zwei ausgewählt kann auch ein drittes
vorgeschlagen werden Arbeit mit
Mengen
Verwandte
Produkte
Produkt- mit Was als
(Apriori)
suche Goldbarren
Suchtreffer
Verwandte
Produkte
Produkt- mit Kunden Was als
Recommender Was mit
Transaktionen machen?13 25.05.2020 ON4OFF Partner Meeting Use Case Diskussionen
14 06.10.2020 ON4OFF Partner Meeting
Use Case Diskussionen
Berater-App in Store
Könnte weiterer Fokus sein, da es
eine Berater-App gibt und der
Prototyp schon existiert15 06.10.2020 ON4OFF Partner Meeting
Use Case Diskussionen
Website/App
(nicht im Store)
+
Kunden-App im Store
Enabler: Check-in Wäre gut zur
Personalisierung im Prototyp
Vorsicht: Wir sind zu weit weg von
der Kunden-App im Store
(aber: evtl. kann GUI des Prototyps
relativ leicht auch für Kunden
zugänglich gemacht werden über
Web und nicht App16 25.05.2020 ON4OFF Partner Meeting Referenzen
17 25.05.2020 ON4OFF Partner Meeting
Referenzen
[1] Lührmann.de, ‘Parfümerie Pieper bezieht markante Eckimmobilie‘, Online:
https://www.luehrmann.de/de/city-life/erfolgsraume/beitrag/parfumerie-pieper-bezieht-markante-eckimmobilie/
[2] Mythili, M. S., and AR Mohamed Shanavas. "Performance evaluation of apriori and fp-growth algorithms." International Journal of
Computer Applications 79.10 (2013), Online:
https://www.researchgate.net/publication/271157722_Performance_Evaluation_of_Apriori_and_FP-Growth_Algorithms
[3] DeepSense.ai, ‘How to create a product recognition solution’, Online:
https://deepsense.ai/how-to-create-a-product-recognition-solution/Sie können auch lesen
