In diesem Beitrag beleuchtet Lea Waniek (Data & Strategy Consultant) die 4 wichtigsten (nicht-technischen) Gründen für das Scheitern von DS & KI-Initiativen. Um den von ihr aufgezeigten Fallstricken entgegenzuwirken, präsentiert sie zu jeder Problematik mehrere Lösungsansätze.
Wie man eine KI-Governance im Zeitalter der Digitalisierung erfolgreich aufbaut
Whitepaper zum Thema Data Strategy.Whitepaper: Wie man eine KI-Governance im Zeitalter der Digitalisierung erfolgreich aufbautDieses Whitepaper erläutert die Kernelemente von KI-Governance ausführlich und diskutiert fünf Überlegungen, die im Zentrum jeder KI-Governance stehen sollten. Mit der fortschreitenden Durchdringung aller Bereiche der Arbeitswelt durch künstliche Intelligenz ist die Technologie aus der Forschung in die Herzen von Unternehmensstrategien getreten. Um die Bereitstellung von …
Kolumne: Mensch und Maschine Seite an Seite
Was ist künstliche Intelligenz? In diesem Artikel versucht das Sprachmodell GPT3, also eine künstliche Intelligenz, diese Frage zu beantworten. Als Grundlage dafür dienten dem Modell lediglich 5 Sätze. Lesen Sie das Ergebnis in dieser Kolumne, die am 28. August 2021 in der Zeitung DIE WELT erschienen ist.
Container Strategien für Data Science
Whitepaper zum Thema Data ScienceWhitepaper: Container Strategien für Data ScienceIn diesem Whitepaper besprechen wir die Grundlagen und Merkmale von Containern im Bereich KI-Produktentwicklung und definieren fünf essenzielle Ebenen einer Container Strategie für Data Science. Der Siegeszug von Containern hat die IT-Welt in den letzten Jahren auf den Kopf gestellt. Das Deployment von Anwendungen aller Art wird durch Container standardisiert und …
3 Szenarien zum Deployment von Machine Learning Workflows mittels MLflow
Machine Learning Projekte zu deployen und zu überwachen ist ein komplexes Vorhaben. In diesem Artikel stellt John Vicente die typischen Herausforderungen entlang des Machine Learning Workflows dar und beschreibt mit MLflow eine mögliche Lösungsplattform. Zusätzlich stellt er drei verschiedene Szenarien dar, mit deren Hilfe sich Machine Learning Workflows professionalisieren lassen.
Warum die Cloud für den Erfolg von KI-Initiativen wichtig ist
Whitepaper zum Thema Cloud Technologie.Whitepaper: Warum die Cloud für den Erfolg von KI-Initiativen wichtig istDieses Whitepaper zeigt, wie die Cloud, insbesondere die Public Cloud, dazu beiträgt, moderne KI-Lösungen erfolgreich zu entwickeln, umzusetzen und zu betreiben. Künstliche Intelligenz (KI) ist eine Schlüsseltechnologie der Digitalisierung und wird über die Wettbewerbsfähigkeit deutscher Unternehmen mitentscheiden. Viele Unternehmen haben das Potenzial der KI für ihr …
Car Model Classification IV: Integration von Deep Learning Modellen mit Dash
Du wolltest schon immer wissen, wie man ein Frontend mit Python entwickelt? Im letzten Teil unserer vierteiligen Blogserie bauen wir ein interaktives Spiel, bei dem User*innen die Automarke- und Modell erraten muss. Seid ihr besser als unsere AI?
Potenzial noch nicht ausgeschöpft – Ein Kommentar zur vorgeschlagenen KI-Regulierung der EU
«Vertrauen schaffen durch menschenzentrierte KI»: Unter diesem Slogan hat die Europäische Kommission in der vergangenen Woche ihren Vorschlag zur Regulierung von künstlicher Intelligenz (KI-Regulierung) vorgestellt. Oliver Guggenbühl beleuchtet den Vorschlag der EU in diesem Kommentar aus verschiedenen Blickwinkeln und zeigt dabei positive Aspekte sowie Unzulänglichkeiten auf.
Creaition – Revolutionierung des Designprozesses mit Machine Learning
Marco Limm hat das Startup creaition gegründet, das mit seinem Produkt den äußerst komplexen und sehr iterativen Prozess der Designentwicklung mit Hilfe von Machine Learning optimiert. In diesem Artikel erfahren Sie, wie Marco auf die Idee kam, dieses Problem anzugehen, welche Hürden ihm bei der Entwicklung begegnet sind und wie er schlussendlich mit seinem Prototypen die Messewelt eroberte.
5 Types of Machine Learning Algorithms (With Use Cases)
We are encountering Machine Learning algorithms in our daily lives. Some are practical, like Google Translate; others are fun, like Snapchat Filters. Our interaction with artificial intelligence will most likely increase in the next few years. Given the potential impact of Machine Learning models on our future lives, Fran Peric presents to you the five branches of Machine Learning and their key concepts.