Nico Hezel

KNN: Vorwärtspass

/in , , /by

Wenn die Gewichte eines künstlichen neuronalen Netzwerkes trainiert sind, kann es verwendet werden, um Vorhersagen über eine am Eingang angelegte Beobachtung zu treffen. Hierzu werden Schicht für Schicht, in einem sogenannten […]

Read more
Dr. Dietrich Wettschereck

Text Mining mit R

/in , , , , , /by

R ist nicht nur ein mächtiges Werkzeug zur Analyse strukturierter Daten, sondern eignet sich durchaus auch für erste Analysen von Daten, die lediglich in textueller und somit unstrukturierter Form vorliegen. […]

Read more
Dr. Robert Suhada

A quick primer on TensorFlow – Google’s machine learning workhorse

/in , , , , , /by

Introducing Google Brains‘ TensorFlow™ This week started with major news for the machine learning and data science community: the Google Brain Team announced the open sourcing of TensorFlow, their numerical […]

Read more
Benjamin Aunkofer

Wahrscheinlichkeitesrechnung – Grundstein für Predictive Analytics

/in , , , /by

Die Wahrscheinlichkeitsrechnung behandelt die Gesetzmäßigkeiten  des (von außen betrachtet) zufälligen Vorkommens bestimmter Ereignisse aus einer vorgegebenen Ereignismenge. Die mathematische Statistik fasst diese Wahrscheinlichkeitsrechnung zur Stochastik zusammen, der Mathematik des Zufalls.  […]

Read more
Dr. Mirco Müller

Die Abschätzung von Pi mit Apache Spark

/in , , , , , , , /by

Auf den Berliner Data Science/Big Data/Data Analytics/…-Meetups auf denen ich in letzter Zeit des Öfteren zugegen war, tauchte immer wieder der Begriff Spark auf. Ich wollte wissen was es hiermit […]

Read more
Ina Vozgirdienė

Die Risiken der Datenverwaltung in der Cloud

/in , /by

Die externe Cloud lockt als Alternative zu eigenen Servern, weil sie standardisierte und sofort nutzbare Dienste ohne Investitionskosten bietet. Immer mehr Unternehmen adoptieren webbasierte Technologien in ihren täglichen Aktivitäten und […]

Read more
Dr. Stefan Kühn

Wie lernen Maschinen?

/in , , , /by

Im zweiten Teil wollen wir das mit Abstand am häufigsten verwendete Optimierungsverfahren – das Gradientenverfahren oder Verfahren des steilsten Abstiegs – anhand einiger Beispiele näher kennen lernen. Insbesondere werden wir […]

Read more
Sven Galonska

Daten in Formation bringen

/in , , , , , /by

Bei den vielfach stattfindenden Diskussionen um und über den Begriff Big Data scheint es eine Notwendigkeit zu sein, Daten und Informationen gegeneinander abzugrenzen. Auf Berthold Brecht geht folgendes Zitat zurück: […]

Read more
Dr. Stefan Kühn

Wie lernen Maschinen?

/in , , , , /by

Machine Learning ist eines der am häufigsten verwendeten Buzzwords im Data-Science- und Big-Data-Bereich. Aber lernen Maschinen eigentlich und wenn ja, wie? In den meisten Fällen lautet die Antwort: Maschinen lernen […]

Read more
Lukas Molzberger

Text-Mining mit dem Aika Algorithmus

/in , , , /by

In diesem Beitrag möchte ich das Open Source Projekt Aika vorstellen. Ziel des Projektes ist es einen Text-Mining Algorithmus zu entwickeln, der ein künstliches Neuronales Netz (kNN) mit einem Pattern […]

Read more

All/Apache Spark/Data Science Hack/Hadoop/Java/JavaScript/Neo4J/Octave/optimization/Python/R Statistics/Scala/SQL/Tools/Tutorial