Machine Learning: Open Source Feature-Store Feast vorgestellt
Als Storage-Plattform für Machine Learning soll Feast den Austausch von Features und Daten zwischen verschiedenen Entwickler-Teams erleichtern.
Aktuelles aus dem Ressort Machine Learning
Machine Learning: Die häufigsten Hürden in Projekten
Machine Learning hat gerade in Bezug auf Entscheidungs- und Optimierungsprozesse großes Potenzial. Dennoch gibt es auch typische Problemstellungen, die die Umsetzung erschweren können. In seiner Session auf der JAX 2018 identifiziert Harald Bosch typische Problemstellungen anhand eines konkreten Beispiels und zeigt Lösungen dafür auf.
Microsoft veröffentlicht Pix2Story: KI erzeugt Storytelling aus Bildern
Microsoft hat ein neues KI-Projekt vorgestellt: Die Web-App Pix2Story wurde mit Azure Machine Learning entwickelt, um KI das Storytelling zu lehren. Wie der Name schon verrät, werden kurze Geschichten aus Bildern erstellt.
TensorFlow 2.0: Neuerungen für die Machine-Learning-Plattform angekündigt
Das TensorFlow-Team gibt einen Ausblick auf TensorFlow 2.0. Die neue Version soll leichter zu verwenden sein und neue Features bieten. Der Umstieg zu TensorFlow 2.0 wird mit Updates und Tools unterstützt werden.
ML.NET 0.9 veröffentlicht: Machine Learning mit präziseren Vorhersagen
Microsoft veröffentlicht eine neue Version des Machine-Learning-Frameworks ML.NET 0.9 mit verbesserter Vorhersage, Performanz und Einbindungsmöglichkeit.
Neuronale Netze: Wie man Handschriften mit Convolutional Neuronal Networks liest
Die Suche nach einem Ansatz zur Entwicklung einer Lösung für die Erkennung von Handschriften trieb ein ganzes Entwicklerteam um. In diesem Technologiebericht werden die Erfahrungen in diesem Projekt und die Gründe für die Nutzung eines Convolutional Neuronal Networks (CNN) wiedergegeben.
Text-Preprocessing: Wie bereitet man Text für erfolgreiches Machine Learning vor?
Die meisten Verfahren im Bereich des Machine Learnings (ML) arbeiten mit rein numerischem Input. Bei den meisten Arten von Daten, z B. Tabellen von Messwerten oder Bildern, ist die Umwandlung in die richtige Form offensichtlich. Aber wie können wir Machine Learning mit Buchstaben und Wörtern betreiben? Der Erfolg hängt vom richtigen Preprocessing ab.
Machine Learning ins eigene Unternehmen integrieren: 7 Schritte zum KI-Erfolg
Alle reden über künstliche Intelligenz (KI), Artificial Intelligence (AI), neuronale Netzwerke und Deep Learning – die Medien sind voll davon. Es gibt zahlreiche Artikel, die glaubhaft beschreiben, dass diese Techniken und Methoden unsere Welt nachhaltig verändern werden. Die Prognosen über die Wachstumspotenziale der damit verbundenen Geschäftsaktivitäten weisen alle in eine Richtung: deutlich zweistelliges Wachstum.
2 Take-aways vom 2. Tag der ML Con: Wie KI selbstverständlich wird & wo sie heute steht
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 in die Praxis bringen: 3 Take-aways vom ersten Tag der ML Con
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.
ML Con & Voice Con eröffnet: Der AI eine Persönlichkeit geben
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?
TonY: TensorFlow skaliert mit Hadoop lernen lassen
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.
