Ein KI-System zu bauen ist schwer. Echtzeit-KIs bringen aber nochmals ganz eigene Herausforderungen mit sich. Dr. Jamie Allsop berichtet in diesem Video von der Machine Learning Conference 2017, wie algorithmische Architekturen dabei helfen, KI-Systeme mit Echtzeit-Funktionalität zu bauen.
Wie steigt man ohne Overhead und Umwege ins Deep Learning ein? Mit diesem Kick-Start-Guide, der zeigt, wie man ganz schnell ein Beispiel mit Python und dem Paket Keras zum Laufen bekommt. Es geht dabei nicht darum, diverse Optionen zu berücksichtigen und Optimierungen durchzuführen, sondern schnell zu starten, um dann etwas in den Background einzutauchen.
iOS bringt einige Tools für das Machine Learning mit. Welche das sind und wann man sie wirklich einsetzen sollte, haben wir Alexander von Below auf der Mobile Technology Conference 2018 in München gefragt.
Der kometenhafte Aufstieg des Machine Learnings bringt immer neue Tools hervor, die Entwickler beim Training ihrer Modelle unterstützen. Eines dieser Tools ist Comet. Mit dem Tool lassen sich nicht nur Modelle nachverfolgen, um sie besser reproduzierbar zu machen, Comet liefert auch Vorschläge für die Optimierung von Modellen, bringt GitHub-Integration und eine Kommentarfunktion.
