ML ist auf dem Vormarsch. Das zeigte auch der zweite Tag der ML Con und Voice Con 2018 in Berlin. KI könnte bald genauso selbstverständlich sein wie das Smartphone! Aber wie weit ist die Technologie wirklich schon? Auch darauf gingen unsere Speaker ein.
Machine Learning ist ein spannendes Forschungsfeld. Noch spannender ist aber die Frage, wie sich die Konzepte in die Praxis umsetzen lassen. Genau das war ein wichtiges Thema am ersten Tag der ML Conference 2018.
Am heutigen Mittwoch wurden die ML Conference und Voice Conference 2018 in Berlin eröffnet. Die Schwester-Events wurden eingeläutet mit einer Keynote von Wally Brill (Google), der betonte, dass es keine Sprachassistenten ohne Persönlichkeit gibt. Wie erstellt man aber eine gute Persona?
Die Skalierung von TensorFlow ist ein ressourcenintensives Unterfangen. Hadoop stellt darum eine Interessante Option dafür dar. Mit TonY steht eine Bibliothek zur Verfügung, die die Kombination aus beiden Technologien erleichtert.
Die automatische Spracherkennung und -analyse ist ein komplexes Themenfeld. Welche Prozesse liegen der maschinellen Emotionsanalyse zugrunde und womit kann diese Funktion selbst implementiert werden? Dieser Artikel gibt einen Überblick.
Software wird menschlicher: Spracherkennung, Gestensteuerung, Empfehlungen, Bots, Mixed Reality. Wir Entwickler müssen uns dabei von harten Fakten verabschieden und stattdessen mit Wahrscheinlichkeiten rechnen. Zu 77,13 Prozent hat der Benutzer das Wort „bestellen“ gesagt – reicht uns das?
Langweilige Apps waren gestern, heute geht es um empathische Apps, die auf den Nutzer eingehen. Mit NativeScript und TensorFlow lassen sich solche Apps entwickeln, wie Jen Looper in dieser Session von der International JavaScript Conference London 2018 zeigt.
Wenn man über Machine Learning und Googles TensorFlow spricht, denken die meisten Leute eher an Python und spezialisierte Hardware als an JavaScript und einen beliebigen Browser. Was TensorFlow.js kann und warum es Sinn ergibt, Machine Learning im Browser zu betreiben, erklärt dieser Artikel.
Machine Learning ist kompliziert und nur für Experten geeignet. Oder? Nein! Joel Lord zeigt in seiner Session von der International JavaScript Conference London 2018, dass der Einstieg in das maschinelle Lernen gar nicht so schwer ist.
Amazon SageMaker ist eine Werkbank für maschinelles Lernen, die für die Bedürfnisse von Data Scientists und Entwicklern optimiert ist. Der Service ist Teil des Amazon-Web-Services-(AWS-)Cloud-Angebots. Er deckt den gesamten Machine-Learning-Zyklus von der Datenexploration und Aufbereitung mit Jupyter Notebook über das Training und die Evaluierung von Modellen bis zum Betrieb eines trainierten Modells in der Produktion ab.
Machine Learning verstehen: Was ist Q-Lernen und wie funktioniert das? Um das zu verstehen, gehen wir mit dem Algorithmus heute ins Gym.
Mit Kalimdor.js wurde eine neue Bibliothek für Machine Learning vorgestellt, die mit TypeScript arbeitet und im Browser läuft. Worin unterscheidet sich Kalimdor.js von anderen Lösungen?
