Mathesis Wiki

Diese Seite ist nicht editierbar. Sie können den Quelltext sehen, jedoch nicht verändern. Kontaktieren Sie den Administrator, wenn Sie glauben, dass hier ein Fehler vorliegt.

**__Protokoll vom 05.12.19__**

__Gliederung der heutigen Tageszielen:__

1. Plan für Spotipy machen und Befehle raussuchen

2. Spotify Lieder auf die Verfügbarkeit prüfen

3. über Machinelearning/neuronale Netzwerke informieren
 und ein Gefühl davon zu bekommen wie es funktioniert

4. mit dem Notebook beschäftigen

5. weitere Informationen die sich im Laufe ansammeln


-----------------------------------------------------------------------------------------------------------

__1. Befehle für Spotipy:__

{{Bild1.png}}

https://buildmedia.readthedocs.org/media/pdf/spotipy/latest/spotipy.pdf

-----------------------------------------------------------------------------------------------------------

__2. Spotify Lieder auf die Verfügbarkeit prüfen__

- anstatt über die vorhandene Datenbank zu arbeiten, haben wir uns dazu entschlossen eine Spotify Playlist zu erstellen, um den Aufwand zu sparen alle Lieder auf ihre Verfügbarkeit testen zu müssen, somit können wir 100% selbst die Lieder auswählen und sie unserer Playlist hinzufügen

- wir haben einen Spotify Account und dafür brauchten wir eine Email, die wir heute auch erstellt haben

- Spotipy wurde ebenfalls installiert 

-----------------------------------------------------------------------------------------------------------

__3. Neuronale Netzwerke:__

https://developers.google.com/machine-learning/crash-course

https://vas3k.com/blog/machine_learning/


-----------------------------------------------------------------------------------------------------------

__4. mit dem Notebook beschäftigen__

- Notebook für Neuronale Netze BasicClass Verzeichnis auf isis


-----------------------------------------------------------------------------------------------------------

__5. Weitere Informationen:__

Biblotheken um die Performance von einem Programm zu testen:

 Tensorflow

 Cycle

 Kerras


- Errorfunktion (wie groß der Fehler ist) mittleren quadratischen Fehler
beurteilen ob das Training richtig war oder nicht

- mit Ableitungen arbeiten um den Fehlerquotienten zu berechnen

- partielle Ableitungen haben einen Parameter

- ist es oberhalb der Grenze und gibt einen weiter bezeichnet man es als Aktivierungsfunktion

-----------------------------------------------------------------------------------------------------------

Hier gehts weiter: [[12.12.19]]
Mathesis Wiki

Benutzer-Werkzeuge

Webseiten-Werkzeuge

Seiten-Werkzeuge
