Schwerpunktthema

machine learning

Podcast

Technologiemonster

Welche Konsequenzen hat unser Handeln?

Case Study

Die Emanzipation
vom ERP-System

Hochindividuelle Produkte brauchen eine hochindividuelle Software-Lösung
Case Study

Die lernende Liste

Dank Machine Learning werden Schätzwerte zum Wettbewerbsvorteil
Artikel

Welche Spuren hinterlassen wir mit Technologie?

Eine Pistole wird abgefeuert. Doch statt den Lauf zu verlassen, zischt die Patrone zurück ins Magazin. Die Staubwolken entweichen in klarer Luft. Splitter strömen auf das Einschussloch in der Wand zu und verschließen es zu einer unberührten Fläche. Als wäre nichts geschehen. Diese Szene aus Christopher Nolans Film „TENET“ zeigt etwas Unmögliches: reversible Entropie. Unordnung wird zu Ordnung. Die Wirkung eliminiert das Handeln.

Artikel

MLOps: You Train It, You Run It!

Data Science, Machine Learning (ML) und Artificial Intelligence haben in den letzten Jahren einen wahren Hype ausgelöst und viel Aufmerksamkeit in der Industrie bekommen. Man versucht mit Machine Learning Methoden entweder die Produktivität der Nutzer oder die Interaktivität der Applikation zu steigern. Zahlreiche Data Science Teams verbringen ihre Zeit damit Machine Learning Modelle zu trainieren. Allerdings beobachten wir zwei Arten von Problemen, die in der Praxis entstehen. Entweder schafft es die Mehrheit der ML Modelle nicht in ein Softwareprodukt eingebunden zu werden oder das Model Deployment nimmt zu viel Zeit in Anspruch.

Link

MLOps: Themenseite zu Machine Learning Operations

Podcast

MLOps

Entwurf, Entwicklung, Betrieb

Artikel

Machine Learning Daten in den Griff bekommen

Für viele Verfahren im Bereich Datenanalyse und Machine Learning werden mehrdimensionale Arrays benötigt. Da oft mit großen Datenmengen gearbeitet wird, ist es, neben anderen Optimierungen, wünschenswert eine Array Implementierung zu verwenden, die auf hohe Performance und geringen Speicherverbrauch optimiert ist. Viele Frameworks setzen deshalb auf ndarrays von numpy oder eigene Implementierungen statt die Standard Listen- oder Arrayimplementierungen von Python zu verwenden.

Artikel

Pragmatisch zum Praxiseinsatz von Machine Learning in der Cloud

Herausforderung Betrieb

Blog-Post

Handling German Text with torchtext

There is a growing list of tools that are ready to be used with non-English texts. We show common ways to integrate them in torchtext and use their language-specific options.

Artikel

Vorgehensweise für maschinelles Lernen als Orientierung

Eine Vielzahl von hochentwickelten Technologien für maschinelles Lernen ist als Open Source frei verfügbar. Dennoch zeigt sich, dass es nur vergleichsweise wenige Anwender gibt, die diese Technologie in Produkten erfolgreich einsetzen. Maschinelles Lernen ist ein sehr vielschichtiger und komplexer Bereich der Informatik und darüber hinaus ein Gebiet aktiver Forschung. Einsteiger können insbesondere im Bereich Deep Learning dadurch schnell den Eindruck gewinnen, dass eine Einarbeitung nur auf hohem wissenschaftlichen Niveau möglich ist. Es gibt jedoch durchaus auch praxisorientierte Quellen. Viele Informationen sind nur in englischer Sprache verfügbar, daher verweist der Artikel auf englische Quellen.

Podcast

Deep Learning

Träumen Maschinen von elektrischen Daten?