Maschinelles Lernen
Höheres maschinelles Lernen
Mathematica 12 geht weiter in Richtung vollautomatisches maschinelles Lernen für alle Aufgabenstellungen und Datentypen. Viele der bereits vorhandenen Funktionen wurden vor allem durch die Einführung einer neuen Automatisierungsprozedur verbessert. Ferner wurden auch neue Funktionen eingeführt, hauptsächlich aus dem Bereich für unüberwachtem Lernen, aber auch aus dem Bereich überwachtem Lernen. Insgesamt ermöglicht es die Aktualisierung des Frameworks Einsteigern, einfach maschinelle Lernlösungen zu implementieren, und Experten, ihre Entwicklungszeiten zu reduzieren.
Framework für Neuronale Netzwerke
Mit Mathematica 12 wurde das hochrangige Framework für neuronale Netzwerke bezüglich seiner Funktionalität vervollständigt und dabei auch die Einfachheit und Leistung weiter verbessert. Insbesondere für die Verarbeitung sequenzieller Daten wie Text oder Audio wurde eine Vielzahl neuer Ebenen und Encoder hinzugefügt. Eine der wichtigsten Neuerungen ist die Einführung eines Modell-Repositorys, das eine Sammlung an vortrainierten Netzwerken enthält, die sofort einsatzbereit sind, aber auch symbolisch manipuliert oder präzise auf eine Aufgabe abgestimmt werden können. Des Weiteren wurde die Leistungsfähigkeit auf vielen Hardwarekonfigurationen verbessert, einschließlich der Möglichkeit, mehrere Grafikkarten für das Training zu verwenden. Damit vereint das Framework für neuronale Netze der Wolfram Language Einfachheit mit umfangreichen Funktionen ohne Leistungsbeeinträchtigungen für die Arbeit mit neuronalen Netzwerken.
Maschinelles Lernen für Bilder
Mathematica 12 nutzt für die Bildverarbeitung und Computer-Vision aktualisierte Funktionen für maschinelles Lernen und neuronale Netzwerke. Auch wurden hochmoderne Funktionen für die Objekterkennung, Gesichtsanalyse, das Restyling und weitere integriert. Durch die wachsende Anzahl von vortrainierten Netzwerke aus dem Wolfram Neural Net Repository können vortrainierte Netzwerke sofort eingesetzt, abgeändert oder neu konfiguriert werden, um mit neuen Daten zu trainieren. Leistungsstarke Netzwerkfunktionen erlauben es, Gelerntes zu übertragen, so dass für Aufgabenstellungen nur kleinere Trainingsdatensätze benötigt werden.
Maschinelles Lernen für Audio
Die Audioverarbeitung und -analyse von Mathematica 12 stellt nicht nur hochrangige, integrierte Funktionen für die Audio- und Spracherkennung zur Verfügung. Die effiziente und gute Integration mit den Frameworks für maschinelles Lernen und neuronale Netzwerke sowie der Zugriff auf eine wachsende Anzahl von modernen vortrainierten Modellen im Wolfram Neural Net Repository erlaubt zudem einfaches Prototyping und die unkomplizierte Entwicklung von Algorithmen. Diese Funktionen bilden eine mächtige und produktive Basis, mit der sich hochrangige und präzise Lösungsansätze aus dem maschinellen Lernen auf viele Themengebiete wie Sprache und Musik anwenden lassen.
Verarbeitung natürlicher Sprache
Mathematica 12 bietet moderne Funktionen zum Verarbeiten bzw. Verstehen natürlicher Sprache, indem es die jüngsten Fortschritte im Bereich des Deep-Learning integriert. Neue Funktionen zum Leseverständnis können auf Text angewendet werden, um Fragen zu beantworten oder semantische Inhalte zu extrahieren. Zusätzlich steht eine Sammlung von vortrainierten Modellen für neuronale Netzwerke bereit, die allerdings auch an eine sprachspezifische Aufgabe angepasst werden können. Durch die Aktualisierung des Frameworks für neuronale Netzwerke stehen zudem einfache Werkzeuge zum Lösen von Aufgabenstellungen aus dem Bereich der natürlichen Sprache bereit.