Aktuelles aus dem Ressort Machine Learning

Optical Music Recognition: Wie können komplexe Musiknoten fehlerfrei digitalisiert werden?

Von Notenköpfen, über Bindebögen, Tonarten und Vortragsbezeichnungen: Musiknotation stellt ein komplexes Zeichensystem mit bis zu 1.500 unterschiedlichen, zum Teil kontextabhängigen und sich überlappenden Elementen dar. Gescannte Notenblätter mittels Künstlicher Intelligenz fehlerfrei zu erkennen und in digitale Informationen umzuwandeln (sogenannte "Optical Music Recognition"), stellt daher eine immense technologische Herausforderung dar. Wie lässt sich dies bewerkstelligen?

Machine Learning & Serverless- Technologien für analytische Wetterdaten-Produkte

Wer kennt das nicht? Wir stehen morgens auf und schauen nach dem Wetter, planen entsprechend unseren Tag und sind je nach persönlich präferierter Wetterlage besser oder schlechter drauf. Wetter ist immer. Das gilt für das alltägliche wie auch für das wirtschaftliche Leben. Einzelhandel, e-Commerce, Tourismus, die Werbewirtschaft und viele mehr – letztendlich gibt es kaum eine Branche, deren Erfolg nicht auch wetterabhängig ist. Zwar wissen viele Unternehmen um den Wettereinfluss, unterschätzen ihn jedoch mangels genauer Berechnungen oder fehlender Lösungen.

Classic Games Reloaded: Intelligente Neuronen und dendritisches Lernen (II)

Das Problem des Handlungsreisenden lässt sich per maschinellem Lernen lösen. Diese anspruchsvolle Aufgabe bedarf allerdings einiger fortgeschrittener Techniken, die im vorigen Teil der Serie noch nicht zur Sprache gekommen sind. Daher ergänzen wir in diesem Artikel das bereits entwickelte Neuronenmodell, sodass es der neuen Herausforderung gewachsen ist.

Die Zukunft der Qualitätssicherung: Testautomatisierung und KI

Das letzte Jahr hat Unternehmen dazu gebracht, ihre Digitalisierungsstrategie überstürzt umzusetzen. Im Rahmen der Pandemie und der damit einhergehenden Restriktionen mussten IT-Abteilungen schnell Remote-Infrastrukturen anbieten und Programme entwickeln, die das Arbeiten von überall ermöglichen. Die beschleunigte digitale Transformation verdeutlichte die zentrale Rolle von Qualitätssicherung in Unternehmen. Auch die Ergebnisse des World Quality Reports 2020-2021 (WQR) deuten daraufhin hin, dass Qualitätssicherung eine immer größere Rolle einnimmt, auch in Hinblick auf unterschiedliche Unternehmensziele. Raffi Margaliot, Senior Vice President und General Manager bei Micro Focus, gibt einen Überblick über die wichtigsten Erkenntnisse aus dem WQR und einen Ausblick, wie Unternehmen in Zukunft durch den Rückgriff auf neue Technologien wie Automatisierung und Künstliche Intelligenz (KI) profitieren.

Machine Learning: „Der geschulte Umgang mit künstlicher Intelligenz wird immer wichtiger“

Künstliche Intelligenz und Machine Learning sind nicht nur in den USA und der internationalen Tech-Szene gerade wichtige Themen: Auch in Deutschland und Europa sind Anwendungen, die auf maschinellem Lernen beruhen, gefragter denn je. Um gemeinsam an Projekten aus diesem Bereich zu arbeiten, haben Olly Salzmann und Rupprecht Rittweger das Netzwerk KI Park Deutschland gegründet. Wir sprachen mit den beiden über ihr Netzwerk, die richtigen Werkzeuge für maschinelles Lernen und Anwendungen, bei denen KI eine gewichtige Rolle spielt.

Das ist doch nicht normal! Anomalieerkennung as a Service mit dem Metrics Advisor

Wir Menschen sind üblicherweise gut im Erkennen von Anomalien: Oft reicht ein schneller Blick auf Monitoringcharts, um ein Performanceproblem zu erkennen (oder im besten Fall vorherzusagen). Eine Kurve steigt unnatürlich rasch an, ein Wert fällt unter ein gewünschtes Minimum oder es gibt Schwankungen, die rational nicht erklärbar sind. Manches davon würde sich technisch durch ein simples if automatisiert erkennen lassen, aber mehr Spaß macht es mit dem neuen Metrics Advisor der Azure Cognitive Services.

Der Kampf gegen KI-Bias: Künstliche Intelligenz auf dem Prüfstand

Der rasante Bedeutungszuwachs von KI bedeutet auch, dass die Technologie immer mehr Entscheidungen trifft, ohne dass wir diese hinterfragen. Ob bei Kreditbewilligungen, Bewerberauswahl oder Gesichtserkennungen – Unternehmen müssen heute mehr denn je sichergehen, dass ihre KI-Applikationen keinen Menschen diskriminieren. Damit das Risiko des KI-Bias – sprich der unbeabsichtigten Verzerrung von Entscheidungen durch künstliche Intelligenz – minimiert wird, müssen Entwickler eine Reihe von Dingen beachten.

X
- Gib Deinen Standort ein -
- or -