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.
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.
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?
Von den Wurzeln zu neusten Anwendungsfällen; von Mathematik bis zum Browser: Machine Learning ist ein breites Themenfeld. Im neuen Entwickler Magazin Spezial Vol. 17: Machine Learning bilden wir genau diese Bandbreite ab. Jetzt am Kiosk!
Jupyter Notebooks: Wer sich mit Machine Learning beschäftigt, stolpert irgendwann über diesen Namen. Wann aber lohnt es sich, einen Blick darauf zu werfen? Diese Frage beantwortet Michael Zickert im Interview zum Python Summit 2018.
Predictive Analytics ist derzeit eines der wichtigsten Anwendungsgebiete von Big Data. Es handelt sich um eine Teildisziplin von Business Analytics, die da ansetzt, wo OLAP oder Reporting aufhören. Statt nur die bestehende Situation zu analysieren, versucht Predictive Analytics mithilfe von Datenmodellen Vorhersagen über mögliche Ereignisse in der Zukunft zu treffen. Dabei besteht eine enge Verbindung zum Data Mining.
