Wann braucht man Deep Learning für eine App?

Von Null auf Hundert mit Deep Learning: Android-Apps mit TensorFlow erweitern
Keine Kommentare

Wann ist Deep Learning die richtige Wahl für die App-Entwicklung und wann nicht? Natürlich sind Machine Learning, Deep Learning und Co. derzeit große Trends, nicht immer aber auch nötig. Und: Wenn man es damit probieren möchte, welche Tools setzt man dann am besten ein?

Den Fragen danach, wann und wie man Deep Learning in Apps einsetzen sollte, sind Alexander Frank und Andreas Eberle (arconsis IT-Solutions GmbH) auf der ML Conference 2017 nachgegangen. Nicht jede App profitiert nämlich so sehr von Deep Learning, dass sich der Aufwand lohnt! Wenn man allerdings doch damit arbeiten möchte, lohnt sich ein Blick auf TensorFlow. Wie die Integration von TensorFlow in Android-Apps gelingen kann, zeigen die Speaker in diesem Video von ihrer Session „From Zero to Deep Learning“ zeigen.

Die Speaker: Andreas Eberle und Alexander Frank

Alexander Frank is working at arconsis IT-Solutions GmbH as a Software Engineer since 2012. In addition from 2017 on he became a team leader within the company. One of his responsiblities is the development of mobile apps involving innovative technologies like Tensorflow. His preferred platform to write apps for is Android. Furthermore Alexander is not only doing front-end/app development, he likes to develop backend systems as well. The technologies used for developing those backends range from JavaEE to Node.js.

Andreas Eberle is working at arconsis IT-Solutions GmbH as a Software Engineer since 2014. After gaining experience in iOS and Android development, he is now focusing on full stack development of algorithms and machine learning techniques for innovative apps. Furthermore he is currently working on his master thesis at the KIT in the field of person re-identification via CNNs.

Unsere Redaktion empfiehlt:

Relevante Beiträge

X
- Gib Deinen Standort ein -
- or -