Experten-Training: Angewandte Künstliche Intelligenz
Im Rahmen dieses praxisorientierten Kurses wird anhand eines konkreten Beispiels ein gesamter Prozess zur Mustererkennung nachvollzogen und selbst programmiert.
How to speed up claims processing with automated car damage detection
How to speed up claims processing with automated car damage detection and cost estimation for car insurances. Process optimization with AI!
Interview - Mehr Business-Nerds, bitte!
Interview darüber, wie Data Science und KI verdaulich vermittelt werden können und was eigentlich passiert, wenn man es nicht tut.
Graphendatenbank Neo4j 5 Release veröffentlicht
Graphendatenbank Neo4j 5 Release veröffentlicht
Google Cloud Run - Tutorial
In diesem Beispiel wird ein Google Cloud Run Service mittels Terraform definiert, welcher auf Basis eines Scheduler Jobs regelmäßig aufgerufen wird. Cloud Build wird dazu genutzt den aktuellen Code auf den Service zu veröffentlichen.
7 Reasons Why You Need Cloud Cost Management Tool
Many businesses today use a CCM (Cloud Cost Management) tool to optimize their spending on the cloud. Read this article to learn why.
Was ist eigentlich der Beruf des Quants? Vergleich zum Data Scientist.
Was unterscheidet einen Quant (Quantitative Analyst) von einem Data Scientist? Wir untersuchen es und nehmen dabei auch die unterhaltsamen Filme aus Hollywood in den Blick, die Quants gerne als geheime Helden der Finanzanalysen präsentieren.
7 Gründe, warum es sich jetzt lohnt, Python zu lernen
7 Gründe, warum es sich jetzt lohnt, Python zu lernen! Der Karriere-Schritt, der sich wirklich lohnt, um in die Data Science einzusteigen.
Data Dimensionality Reduction Series: Random Forest
Data Dimensionality Reduction Series: Random Forest
Alles dreht sich um Daten: die Trainingsmethoden des Deep Learning
/0 Comments/in Artificial Intelligence, Data Science, Deep Learning, Machine Learning, Main Category /by Benjamin AunkoferSupervised Learning wünscht sich jeder, der mit einem KI Projekt betraut ist. In der Praxis ist das kaum anwendbar, da selten sämtliche Trainingsdaten gut strukturiert und gelabelt vorliegen.
Buzzword Bingo: Data Science – Teil III
/0 Comments/in Business Analytics, Data Mining, Data Science, Deep Learning, Insights, Machine Learning, Main Category, Sponsoring Partner Posts /by Julius MeierIm dritten Teil unserer dreiteiligen Reihe „Buzzword Bingo Data Science“ beschäftigen wir uns mit den Begriffen „künstliche neuronale Netze“ und „Deep Learning“.
Die 6 Schritte des Process Mining – Infografik
/0 Comments/in Business Analytics, Business Intelligence, Data Mining, Data Science, Process Mining /by Benjamin AunkoferJedoch ganz unabhängig von den Tools, gibt es eine ganz generelle Vorgehensweise in dieser datengetriebenen Prozessanalyse, die wir mit der folgenden Infografik beschreiben möchten.
Buzzword Bingo: Data Science – Teil II
/0 Comments/in Artificial Intelligence, Big Data, Business Analytics, Data Engineering, Data Mining, Data Science, Deep Learning, Insights, Machine Learning, Main Category /by Julius MeierIm ersten Teil unserer Serie „Buzzword Bingo: Data Science“ widmeten wir uns den Begriffen Künstliche Intelligenz, Algorithmen und Maschinelles Lernen. Nun geht es hier im zweiten Teil weiter mit der Begriffsklärung dreier weiterer Begriffe aus dem Data Science-Umfeld.
5 Apache Spark Best Practices
/0 Comments/in Big Data, Data Science Hack, Tool Introduction, Tools /by Sai PriyaAlready familiar with the term big data, right? Despite the fact that we would all discuss Big Data, it takes a very long time before you confront it in your career. Apache Spark is a Big Data tool that aims to handle large datasets in a parallel and distributed manner. Apache Spark began as a research project at UC Berkeley’s AMPLab, a student, researcher, and faculty collaboration centered on data-intensive application domains, in 2009.
Stop saying “trial and errors” for now: seeing reinforcement learning through some spectrums
/0 Comments/in Artificial Intelligence, Data Science, Deep Learning /by Yasuto TamuraSome of you might have got away with explaining reinforcement learning (RL) only by saying an obscure thing like “RL enables computers to learn through trial and errors.” But if you have patiently read my articles so far, you might have come to say “RL is a family of algorithms which simulate procedures similar to dynamic programming (DP).”
3 Types of Preventative Maintenance for Data Centers
/0 Comments/in Predictive Analytics /by Shannon FlynnImage Source: source unsplash.com Downtime for a data center can be extraordinarily costly — potentially leading to lost revenue, lost customers and a damaged reputation. Preventative maintenance (PM) helps keep […]
It’s All About Data: The Training of AI Models
/0 Comments/in Artificial Intelligence, Data Science, Deep Learning, Machine Learning, Main Category /by Benjamin AunkoferIn deep learning, there are different training methods. Which one we use in an AI project depends on the data provided by our customer: how much data is there, is it labeled or unlabeled? Or is there both labeled and unlabeled data?
Buzzword Bingo: Data Science – Teil I
/1 Comment/in Artificial Intelligence, Data Mining, Data Science, Deep Learning, Machine Learning, Main Category /by Julius MeierDer im Bereich der Data Science u. a. am häufigsten genutzte Begriff ist derjenige der „Künstlichen Intelligenz“.
6 Faktoren, wie Process Mining Projekte zum Erfolg werden
/0 Comments/in Business Analytics, Business Intelligence, Insights, Main Category, Process Mining /by Benjamin AunkoferNach dutzenden Process Mining Projekten mit unterschiedlichen Rahmenbedingungen gebe ich hier nun sechs handfeste Hinweise, wie Process Mining Projekte generell zum Erfolg werden.