Data Science Blog – Page 2 – Applied Data Science

Business Intelligence Organizations

February 5, 2019/0 Comments/in Uncategorized /by Benjamin Aunkofer

I am often asked how the Business Intelligence department should be set up and how it should interact and collaborate with other departments. First and foremost: There is no magic recipe here, but every company must find the right organization for itself. Before we can talk about organization of BI, we need to have a […]

Fehler-Rückführung mit der Backpropagation

January 29, 2019/0 Comments/in Artificial Intelligence, Deep Learning, Machine Learning, Main Category, Mathematics, Predictive Analytics /by Benjamin Aunkofer

Dies ist Artikel 4 von 6 der Artikelserie –Einstieg in Deep Learning. Das Gradienten(abstiegs)verfahren ist der Schlüssel zum Training einzelner Neuronen bzw. deren Gewichtungen zu den Neuronen der vorherigen Schicht. Wer dieses Prinzip verstanden hat, hat bereits die halbe Miete zum Verständnis des Trainings von künstlichen neuronalen Netzen. Der Gradientenabstieg wird häufig fälschlicherweise mit der Backpropagation […]

Cross-industry standard process for data mining

January 17, 2019/0 Comments/in Data Engineering, Data Mining, Data Science, Data Science Hack, Data Science News, Machine Learning, Python, R Statistics /by Aakash Chugh

Introduced in 1996, the cross-industry standard process for data mining (CRISP-DM) became the most common procedure for all data mining projects. This method consists of six phases: Business understanding, Data understanding, Data preparation, Modeling, Evaluation and Deployment (see Figure 1). It is being used not just as a reference manual but as a user guide […]

Training eines Neurons mit dem Gradientenverfahren

January 13, 2019/1 Comment/in Artificial Intelligence, Data Science, Data Science Hack, Deep Learning, Machine Learning, Main Category, Mathematics, optimization, Predictive Analytics, Python /by Benjamin Aunkofer

Dies ist Artikel 3 von 6 der Artikelserie –Einstieg in Deep Learning. Das Training von neuronalen Netzen erfolgt nach der Forward-Propagation über zwei Schritte: Fehler-Rückführung über aller aktiver Neuronen aller Netz-Schichten, so dass jedes Neuron “seinen” Einfluss auf den Ausgabefehler kennt. Anpassung der Gewichte entgegen den Gradienten der Fehlerfunktion Beide Schritte werden in der Regel zusammen […]

Über die Integration symbolischer Inferenz in tiefe neuronale Netze

January 7, 2019/1 Comment/in Data Science Hack, Deep Learning, Java, Machine Learning, Natural Language Processing, Text Mining, Tool Introduction, Tutorial /by Lukas Molzberger

Tiefe neuronale Netze waren in den letzten Jahren eine enorme Erfolgsgeschichte. Viele Fortschritte im Bereich der KI, wie das Erkennen von Objekten, die fließende Übersetzung natürlicher Sprache oder das Spielen von GO auf Weltklasseniveau, basieren auf tiefen neuronalen Netzen. Über die Grenzen dieses Ansatzes gab es jedoch nur wenige Berichte. Eine dieser Einschränkungen ist die […]

Cloudera und Hortonworks vollenden geplante Fusion

January 4, 2019/0 Comments/in Big Data, Cloud /by cloudera

Kombiniertes „ Open-Source-Powerhouse” wird die branchenweit erste Enterprise Data Cloud vom Netzwerk-Rand (Edge) bis hin zu künstlicher Intelligenz bauen. München, Palo Alto (Kalifornien), 03. Januar 2019 – Cloudera, Inc. (NYSE: CLDR) hat den Abschluss seiner Fusion mit Hortonworks, Inc. bekanntgegeben. Cloudera wird die erste Enterprise Data Cloud bereitstellen, die die ganze Macht der Daten freisetzt, […]

Veröffentlichung der Data Leader Days 2018 Vorträge auf YouTube

January 3, 2019/0 Comments/in Uncategorized /by events

Für alle Interessenten, die es im vergangenen Jahr leider nicht geschafft haben, persönlich an den Data Leader Days 2018 teilzunehmen, gibt es direkt zu Beginn des Jahres 2019 erfreuliche Nachrichten: die Vorträge sind ab heute als Videoaufnahmen auf unserem Youtube-Kanal verfügbar: Besuchen Sie unseren Youtube-Kanal, um sich alle Video Beiträge anzusehen: https://www.youtube.com/channel/UCXRUMGr6MZPMC5WAKiBLdVg/videos Die Data […]

IIIb. Einführung in TensorFlow: Realisierung eines Perzeptrons mit TensorFlow

December 28, 2018/0 Comments/in Deep Learning, Machine Learning, Python, Tools, Tutorial /by Hoang Tu Nguyen

PS: Wenn ihr die Trainings- und Testdaten sucht, dann werdet ihr auf Github fündig.

Künstliche Intelligenz und Vorurteil

December 27, 2018/0 Comments/in Artificial Intelligence, Main Category /by David Schönleber

Kaum 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

December 21, 2018/0 Comments/in Data Science at the Command Line, Deep Learning, Machine Learning, Python, Tutorial /by Hoang Tu Nguyen

1. 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. […]