Aktuelles aus dem Ressort Machine Learning

Wir programmieren den Maixduino

Mit dem Maixduino steht eine kostengünstige Platine zur Verfügung, die bei der Mobilisierung von Algorithmen der künstlichen Intelligenz hilft. Dieser Artikel zeigt die Möglichkeiten zur Programmierung des Einplatinencomputers auf.

AIOps: Auf dem Weg zum echten KI-Assistenten

AIOps ist eines der neuesten technologischen Schlagworte, das in der IT-Branche an Fahrt gewinnt. Die Gründe dafür sind vielfältig, eines steht allerdings fest: AIOps ist das Sprungbrett für eine Technologie, die es so zuvor noch nicht gegeben hat – ein echter Künstliche-Intelligenz-Assistent. Dieser beantwortet Fragen auf Augenhöhe mit einem menschlichen Netzwerk-Experten. Er geht außerdem proaktiv Herausforderungen an, die er erkennt.

Wie sich Machine Learning in modernen Apps nutzen lässt

Das Machine-Learning-Portfolio für Entwickler ist breit und komplex und bietet neben klassischen Algorithmen auch die Möglichkeit, neuronale Netzwerke bei der Lösungsfindung zu nutzen. Eine ebenfalls neue Möglichkeit für Entwickler gibt es im Bereich Oberflächengestaltung. Mit Windows 10 hat Microsoft die Universal Windows Platform (UWP) eingeführt. Kann man nun ML und UWP auch sinnvoll zusammenbringen?

„Julia ist bei einfachen Machine-Learning-Aufgaben mit Python vergleichbar, aber besser geeignet für komplexere.“

Die Programmiersprache Julia wurde erstmals im Jahr 2012 veröffentlicht. Wir sprachen mit den vier Entwicklern der Sprache, Dr. Viral B. Shah, Dr. Jeff Bezanson, Stefan Karpinski und Prof. Alan Edelman, um herauszufinden, ob Julia ihren hohen Erwartungen gerecht werden konnte. Im Interview gingen sie zudem auf verschiedenste Anwendungsfälle ein, in denen Julia heute zum Einsatz kommt, sowie darauf, wie sich die Sprache im Vergleich zu Python schlägt und wohin die Reise geht.

Die Erziehung der Künstlichen Intelligenz und die Rolle der Qualitätssicherung

KI-basierte Anwendungen schicken sich an, die Welt, wie wir sie kennen, nachhaltig zu verändern. Nicht nur an der Oberfläche, sprich den Eingabe- und Ausgabe-Tools für die Kommunikation mit der Maschine, sondern noch viel tiefer, dort, wo automatisierte Entscheidungen mit erheblicher Reichweite getroffen werden. Aber die Intelligenz der Maschinen fällt nicht vom Himmel. Sie müssen trainiert und getestet werden. Das ist alles andere als trivial.

MLflow: Organisation des Machine Learning Lifecycle

Ticketsysteme, Versionskontrolle, automatische Builds und viele weitere Tools gehören fest zu den Best Practices bei der klassischen Softwareentwicklung. Kommt bei einem Projekt Machine Learning ins Spiel, kommen neue Anforderungen hinzu, die von den bisherigen Tools und Arbeitsweisen nur teilweise abgedeckt werden können. Hier kommt MLflow ins Spiel. Was MLflow ist, was man damit machen kann und was es beim Einsatz zu beachten gibt, expliziert Christoph Henkelmann in seiner Session auf der W-JAX 2019.

AutoML in UWP: Machine Learning in modernen Apps nutzen

Das Machine-Learning-Portfolio für Entwickler ist breit und komplex und bietet neben klassischen Algorithmen auch die Möglichkeit, neuronale Netzwerke bei der Lösungsfindung zu nutzen. Eine ebenfalls neue Möglichkeit für Entwickler gibt es im Bereich Oberflächengestaltung. Mit Windows 10 hat Microsoft die Universal Windows Platform (UWP) eingeführt. Kann man nun ML und UWP auch sinnvoll zusammenbringen?

X
- Gib Deinen Standort ein -
- or -