Wie man Java-Klassen in Python benutzt 15.11.2021 von Hendrik Schawe Wir nutzen das Machine-Learning-Ökosystem von Python, um ein Reinforcement-Learning-Modell direkt auf Java-Klassen zu trainieren. Weiterlesen Kommentar schreiben
Kürzere Time-to-Market für ML-Modelle durch Googles BigQuery ML 27.07.2021 von Timo Böhm und Niklas Haas Machine Learning (ML) erzeugt erst dann realen Mehrwert, wenn es in Produktion benutzt wird. Allerdings kann die Zeitspanne zwischen der... Weiterlesen Kommentar schreiben
Schnelles Training eines Recommendation-Modells durch BigQuery ML 27.07.2021 von Niklas Haas und Timo Böhm Machine Learning (ML) kann nur durch Modelle in der Produktion Business Value erzeugen. Allerdings kann die Zeitspanne zwischen der Entwicklung der... Weiterlesen Kommentar schreiben
KI, Daten und Infrastruktur – ML-Systeme schnell Ende-zu-Ende verproben und umsetzen 22.06.2021 von Marcel Mikl Heutzutage steht fast alles, was mit den Labels „KI“ oder „ML“ versehen ist, für Fortschritt. Diese Assoziation schließt jedoch häufig das Thema Dateninfrastruktur nicht ausreichend mit ein. Weiterlesen Kommentar schreiben
Schnelles KI-Prototyping mit Google Cloud AutoML Vision 18.05.2021 von Nils Bauroth, Sven Rediske & Lennart Küll Data Scientists beschäftigen sich häufig lange mit der Entwicklung eines ML-Modells. Nicht so mit AutoML der Google Cloud Platform (GCP). Weiterlesen Kommentar schreiben
The Good, the Bad and the Ugly: Daten effektiv visualisieren und kommunizieren 20.10.2020 von Shirin Elsinghorst Dieser Artikel begleitet meinen Vortrag **The Good, the Bad and the Ugly: Daten effektiv visualisieren und kommunizieren**, den ich am 20.10.2020 auf der data2day gehalten habe. Weiterlesen Kommentar schreiben
KI in der Praxis: Fehlerhafte Bauteile mit Rekognition auf AWS identifizieren 30.07.2020 von Marcel Mikl und Nico Axtmann Wir trainieren mit Rekognition ein KI-Modell und integrieren es mittels Lambda-Functions und Elastic-Beanstalk in einen Prozess, bei dem manuelle Korrekturen in der Qualitätskontrolle möglich sind. Weiterlesen Kommentar schreiben
KI in der Praxis: Fehlerhafte Bauteile mit AutoML in der Google Cloud identifizieren 09.07.2020 von Nico Axtmann und Marcel Mikl Wir trainieren mit AutoML ein Modell und integrieren es mittels Cloud Functions und App Engine in einen Prozess, bei dem manuelle Korrekturen in der Qualitätskontrolle möglich sind. Weiterlesen Kommentar schreiben
KI für KMU: (Teil-)Automatisierung der Qualitätskontrolle von Bauteilen 07.07.2020 von Marcel Mikl und Nico Axtmann Aktuelle Entwicklungen ermöglichen es nun auch kleinen und mittelständischen Unternehmen (KMU) kosteneffizient KI anzuwenden. Ein Beispiel ist die Qualitätskontrolle von Bauteilen. Weiterlesen Kommentar schreiben
