Posts Tagged ‘Machine_Learning’

Robotic Process Automation

Die moderne Arbeitswelt unterliegt einem fundamentalen Wandel. Glaubt man Studien fallen in naher Zukunft viele Jobs weg, oder ändern sich fundamental. Im D!gitalist Magazin finden sich diverse Artikelserien, die diese Entwicklung verdeutlichen.


New Leadership: Anforderungen an die Führungskräfte von morgen

Die Digitalisierung der Arbeitswelt und der damit verbundene Wandel erfordern ein Umdenken von Unternehmen und Mitarbeitern.

Themen wie Agilität, lebenslanges Lernen und die sich wandelnde Rolle des Managements rücken in den Vordergrund und erweisen sich zunehmend als wettbewerbskritische Faktoren.


Künstliche Intelligenz und Ethik

China und die USA entwickeln sich gegenwärtig zu den Zentren der künstlichen Intelligenz, und Europa muss sich bemühen, Schritt zu halten, um nicht abgehängt zu werden. Die Frage ist, wie dies geschehen soll.


KI – Die neue Arbeitswelt

Die Arbeitswelt ändert sich aufgrund der fortschreitenden Digitalisierung. Da die Datenmengen stetig anwachsen, entstehen im Produktmanagement neue Anforderungen und es werden neue Kompetenzen benötigt.


Künstliche Intelligenz – Schulungsempfehlungen

Experten warnen davor, daß Deutschland und Europa aufpassen müssen, um nicht von amerikanischen und chinesischen Unternehmen auf dem Gebiet der künstlichen Intelligenz abgehängt zu werden. Aus- und Weiterbildung könnte diese Entwicklung abmildern. Heute  möchte ich Ihnen einige Onlinetrainings vorschlagen.


Künstliche Intelligenz und Datenschutz

Nicht erst seit der Einführung der Datenschutz Grundverordnung hat der Datenschutz eine hohe Priorität in der IT. Wer mit künstlicher Intelligenz arbeitet, unterliegt noch weitergehenden Anforderungen.


Künstliche Intelligenz – Aufholjagd nötig

China und die USA sind die großen Player im Bereich der künstlichen Intelligenz, und viele Experten warnen davor, daß Europa und Deutschland im Begriff sind, abgehängt zu werden. Dabei hängt die zukünftige Wertschöpfung an der Frage, ob die Unternehmen den Anschluss halten können.


Nachhaltigkeit und künstliche Intelligenz

Angeregt durch einen Beitrag in Google’s „The Keyword“ Newsletter habe ich mir angesehen, was die künstliche Intelligenz im Bereich Nachhaltigkeit leisten kann, beziehungsweise schon leistet.


Machine Learning und Algorithmic Bias – Eine Einführung

Neulich habe ich eine Artikelserie verfolgt, in der es um die Befangenheit (Bias) in Algorithmen der Maschinenintelligenz ging, die durchaus problematisch sein kann.

IBM hat eine Softwarebibliothek veröffentlicht, die bei dieser Problematik weiterhilft, und bietet eine große Menge an weiterführenden Informationen an.


Ethik der künstlichen Intelligenz

Wenn Sie sich ein wenig mit dem Thema der künstlichen Intelligenz befassen, werden Sie schnell auf Fragestellungen stoßen, die über die reine Technologie hinausgehen oder auch über die betriebswirtschaftlichen Aspekte.

Über intelligente Algorithmen verleihen wir Maschinen menschliche Fähigkeiten, und fragen uns richtigerweise ob diese Software allen ethischen Aspekten genügt.


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.