Posts Tagged ‘Machine_Learning’

Anforderungen aus Data Science Projekten

Im Zuge der fortschreitenden Digitalisierung wenden sich immer mehr Unternehmen ihren großen Datenbeständen zu, und versuchen aus diesen Daten geschäftsrelevantes Wissen zu extrahieren. Für solche Auswertungen sind Data Scientists nötig, mit ihrem spezifischen Know How und Techniken.

Fragt sich, wo die Stolpersteine im Bereich Data Science liegen, und was solche Projekte erfolgreich macht.


Machine Learning – Erfahrungen der Fast Movers

Dafür, daß es sich derzeit um eines der meistbesprochenen fachlichen Themen in der IT handelt, blicken die Techniken des maschinellen Lernens auf eine erstaunlich lange Geschichte zurück.

Die Economist Intelligence Unit hat zusammen mit der Firma SAP eine Studie veröffentlicht, die zeigt, wie erfolgreiche Firmen diese Technologie heutzutage einsetzen.


Arbeitsumgebungen für Machine Learning und Data Science

Data Science Projekte oder Machine Learningmodelle bestehen oft aus einer Vielzahl von Modellelementen oder Detailanalysen, die man zusammen betrachten muss.

In der Praxis ist es keine einfache Angelegenheit, den notwendigen Überblick zu behalten. Zwei interessante Bibliotheken füllen diese Lücke.


Datascience on Apache Spark

Apache Spark™ ist ein Werkzeug zur Verarbeitung und Analyse von großen Datenmengen.

Üblicherweise kommt in Big Data Szenarien, die auf Apache Spark™ laufen, schnell der Wunsch auf, diese großen Datenmengen auch analysieren zu können. Ich habe mir für solche Aufgaben das Statistikpaket „R“ und eine spezielle Bibliothek angesehen, um herauszufinden, ob sich hiermit solche Aufgaben erledigen lassen.


Sentimentanalysen mittels Künstlicher Intelligenz und Statistik

Die Sentimentanalysis, um die es heute geht, wird im Marketing oder in anderen Disziplinen eingesetzt, die darauf angewiesen sind, auf Stimmungen Rücksicht zu nehmen.

Animiert von einem Artikel, der die Stimmungen des neuen US-Präsidenten analysiert, habe ich mir die Verfahren näher angesehen.


Partnerschaft „Künstliche Intelligenz“

Themen wie „künstliche Intelligenz“ oder „Deep Learning“ haben ihren Eingang in die Welt der Softwareanwendungen geschafft.

Große amerikanische IT-Unternehmen haben inzwischen eine Partnerschaft über künstliche Intelligenz gegründet, um die Technologie zu erforschen und weiterzuentwickeln.


High Performance Datenbanken für IoT Szenarien

Ich beschäftige mich derzeit auch privat mit der Frage, wie ich die vielen Daten auswerten und visualisieren kann, die in typischen Internet of Things Szenarien, oder bei der Hausautomatisierung vorkommen.

Dazu habe ich mir die freie, spaltenorientierte Datenbank Druid angesehen.


Big Data und High Performance Computing

Amazon hat sich mit seinen Webservices zu einem größeren Cloud Anbieter emporgearbeitet. Man kann dort z.B. Rechenressourcen mieten, um darauf eine ressourcenhungrige Anwendung laufen zu lassen.

Field Programmable Gate Arrays (FPGA) sind aufgrund ihrer Architektur sehr gut für das high Performance Computing geeignet. Amazon bietet nun solche FPGAs in der Cloud an, was besonders im Bereich der Analytics interessant ist.


Künstliche Intelligenz – Der verschlafene Trend?

In der IT ist die künstliche Intelligenz schon ein altes Thema. Heutzutage sind jedoch die Computer so leistungsfähig geworden, daß das Thema derzeit einen regelrechten Boom erlebt.

Kaum eine Zukunftstechnologie entwickelt sich derzeit so rasant wie die KI. Speziell die amerikanischen Unternehmen investieren derzeit sehr große Summen.


Industrie 4.0: Eine Beispielanlage live erleben

Ein Aspekt der Industrie 4.0 ist, daß die Fertigung in Losgröße „Eins“ möglich wird, d.h letztendlich das kundenindividuelle Produkt gefertigt werden kann.

Eine Gruppe von Unternehmen hat unter der Führung der SAP SE auf der diesjährigen Hannovermesse eine beispielhafte Fertigungsanlage gezeigt, die genau dies ermöglicht. Diese Anlage habe ich neulich besichtigen können.


The Field Guide to Data Science

Viele Anwendungsszenarien zum Beispiel im Bereich der Industrie 4.0 oder auch des Marketings verwenden ausgefeilte mathematische Rechenmodelle für die Entscheidungsunterstützung.

Inzwischen sind Software und Hardware so leistungsfähig geworden, daß ähnliche Methoden der Datenanalyse in sehr vielen Bereichen auf dem Vormarsch sind.

Ein sehr guter Guide in diese Welt stammt von der Unternehmensberatung Booz Allen Hamilton.


Industrie 4.0: Deep Learning

In den Anwendungsszenarien der Industrie 4.0 fallen viele Daten an. Gleichzeitig werden Computer und Algorithmen immer leistungsfähiger.

Dies führt zu einer neuen Blüte des Maschinenlernens (Machine Learning), und zu neuen Anwendungen, die früher nicht einfach möglich waren.