A common trap when it comes to sampling from a population that intrinsically includes outliers
I will discuss a common fallacy concerning the conclusions drawn from calculating a sample mean and a sample standard deviation…
OLAP-Würfel
Der OLAP-Würfel
Alles ist relativ! So auch die Anforderungen an Datenbanksysteme. Je nachdem welche Arbeitskollegen/innen…
Business Intelligence Organizations
I am often asked how the Business Intelligence department should be set up and how it should interact and collaborate with…
Fehler-Rückführung mit der Backpropagation
Dies ist Artikel 4 von 6 der Artikelserie –Einstieg in Deep Learning.
Das Gradienten(abstiegs)verfahren ist der Schlüssel…
Cross-industry standard process for data mining
Introduced in 1996, the cross-industry standard process for data mining (CRISP-DM) became the most
common procedure for…
Training eines Neurons mit dem Gradientenverfahren
Dies ist Artikel 3 von 6 der Artikelserie –Einstieg in Deep Learning.
Das Training von neuronalen Netzen erfolgt nach…
Über die Integration symbolischer Inferenz in tiefe neuronale Netze
Tiefe neuronale Netze waren in den letzten Jahren eine enorme Erfolgsgeschichte. Viele Fortschritte im Bereich der KI, wie…
Cloudera und Hortonworks vollenden geplante Fusion
Kombiniertes „ Open-Source-Powerhouse” wird die branchenweit erste Enterprise Data Cloud vom Netzwerk-Rand (Edge) bis…
Veröffentlichung der Data Leader Days 2018 Vorträge auf YouTube
Für alle Interessenten, die es im vergangenen Jahr leider nicht geschafft haben, persönlich an den Data Leader Days 2018…
Künstliche Intelligenz und Vorurteil
/0 Comments/in Artificial Intelligence, Main Category /by David SchönleberKaum ein anderes technologisches Thema heutzutage wird hinsichtlich gesellschaftlicher Auswirkungen so kontrovers diskutiert wie das der Künstlichen Intelligenz (KI). Während das Wörtchen „KI“ bei den einen Zukunftsvisionen hervorruft, in welchen technologischer Fortschritt menschliche Probleme wie Hunger, Krankheit und Klimawandel reduziert hat, zeichnen andere düstere Bilder von Orwell‘schen Überwachungsstaaten und technologischen Apokalypsen. Starke, schwache KI Es […]
IIIa. Einführung in TensorFlow: Realisierung eines Perzeptrons mit TensorFlow
/0 Comments/in Data Science at the Command Line, Deep Learning, Machine Learning, Python, Tutorial /by Hoang Tu Nguyen1. Einleitung 1.1. Was haben wir vor? Im zweiten Artikel dieser Serie sind wir darauf eingegangen, wie man TensorFlow prinzipiell nutzt. Wir wollen das Gelernte an einem einfachen Modell anwenden. Bevor wir dies jedoch tun, müssen wir die Theorie hinter dem Modell verstehen um TensorFlow richtig anwenden zu können. Dafür bietet sich ein Adaline-Perzeptron sehr gut an. […]
Data Leader Days 2018 – Review
/0 Comments/in Uncategorized /by eventsDas Who’s Who der Datenwirtschaft auf den Data Leader Days 2018 Berlin, Dezember 2018: Die Data Leader Days am 14./15. November 2018 im Berliner Spreespeicher haben erneut die Entscheider aus der Business- und Digitalwelt versammelt und wichtige Impulse ausgesendet. Die in diesem Jahr zum dritten Mal stattfindende Veranstaltung verzeichnete mit knapp 300 Teilnehmern einen enormen […]
Predictive maintenance in Semiconductor Industry: Part 1
/0 Comments/in Data Mining, Machine Learning, Python, Use Case /by Aakash ChughThe process in the semiconductor industry is highly complicated and is normally under consistent observation via the monitoring of the signals coming from several sensors. Thus, it is important for the organization to detect the fault in the sensor as quickly as possible. There are existing traditional statistical based techniques however modern semiconductor industries have […]
Location at Data Hacker Days announced
/0 Comments/in Uncategorized /by Linh Chi NguyenWe are happy to announce your our venue for the Data Hacker Days: Kühlhaus Berlin. Data Hacker Days will take place from 28th to 30st May 2019 in Berlin. The industrial look of Kühlhaus Berlin is a perfect place to challenge hackers to work and solve the hackathon. The backyard will be a chill area and […]
Fuzzy Matching mit dem Jaro-Winkler-Score zur Auswertung von Markenbekanntheit und Werbeerinnerung
/0 Comments/in Business Analytics, Data Mining, Data Science, Data Science Hack, Main Category, R Statistics, Text Mining /by Markus LangFür Unternehmen sind Markenbekanntheit und Werbeerinnerung wichtige Zielgrößen, denn anhand dieser lässt sich ableiten, ob Konsumenten ein Produkt einer Marke kaufen werden oder nicht. Zielgrößen wie diese werden von Marktforschungsinstituten über Befragungen ermittelt. Dafür wird in regelmäßigen Zeitabständen eine gleichbleibende Anzahl an Personen befragt, ob diese sich an Marken einer bestimmten Branche erinnern oder sich […]
Cloudera beschleunigt die KI-Industrialisierung mit Cloud nativer Machine-Learning-Plattform
/0 Comments/in Sponsoring Partner Posts, Tool Introduction /by clouderaNeues Cloudera-Angebot vereinfacht Machine-Learning-Workflows mit einer einheitlichen Erfahrung für Data Engineering und Data Science auf Kubernetes. München, Palo Alto (Kalifornien), 5. Dezember 2018 – Cloudera, Inc. (NYSE: CLDR) hat eine Vorschau auf eine neue, Cloud-basierte Machine-Learning-Plattform der nächsten Generation auf Basis von Kubernetes veröffentlicht. Das kommende Cloudera Machine Learning erweitert das Angebot von Cloudera für […]
Big Data has reduced the boundary between demand-centric dynamic pricing and user-behavior centric pricing!
/1 Comment/in Big Data, Business Analytics, Data Science /by James WarnerReal-time pricing is also known as Dynamic pricing, and it is a method to plan and set highly flexible prices of the services or the products. Dynamic pricing is aimed to help the online organizations modify the costs on the fly in relation to the ever changing market conditions. All sorts of modifications are managed […]
Sentiment Analysis of IMDB reviews
/0 Comments/in Artificial Intelligence, Big Data, Business Analytics, Data Mining, Data Science, Data Science Hack, Deep Learning, Machine Learning, Python, Python, Tool Introduction, Use Cases /by Sarthak BabbarDownload the Data Sources The data sources used in this article can be downloaded here:
The Inside Out of ML Based Prescriptive Analytics
/0 Comments/in Big Data, Business Analytics, Business Intelligence, Data Mining, Data Science, Main Category, Predictive Analytics /by James WarnerWith the constantly growing number of data, more and more companies are shifting towards analytic solutions. Analytic solutions help in extracting the meaning from the huge amount of data available. Thus, improving decision making. Decision making is an important aspect of businesses, and technologies like Machine Learning are enhancing it further. The growing use of […]