Eine Vielzahl von Methoden ermöglichen es heute auch komplexe KI-Systeme erklärbar zu machen. Auch wenn es dabei eine Reihe von Herausforderungen zu beachten gilt, sind die Vorteile von XAI im Unternehmen immens. Das Whitepaper gibt einen Überblick über Einsatzmöglichkeiten, Vorteile, Methoden und Herausforderungen beim Einsatz von XAI im Unternehmen und dient damit als Wegweiser für dieses wichtige Zukunftsthema. Lesen Sie hier die Management Summary zum Whitepaper.
5 praxisnahe Beispiele für NLP Use Cases
Aufgrund jüngster Errungenschaften im Bereich Deep Learning können nun eine Reihe unterschiedlicher NLP („Natural Language Processing“) Tasks mit erstaunlicher Güte gelöst werden.
Erfahren Sie in diesem Beitrag anhand von fünf praxisnahen Beispielen, wie NLP Use Cases diverse Businessprobleme lösen und so für Effizienz und Innovation sorgen.
Whitepaper: Machine Learning in der Cloud – AWS, Azure und GCP im Vergleich
Management Summary Die digitale Transformation ist für Unternehmen aller Branchen und Größen eine Herausforderung. Basierend auf aktuellen Umfragen, werden als größte Hindernisse einer erfolgreichen Digitalisierung die Anforderungen an Datenschutz und -sicherheit sowie fehlende IT-Kompetenzen in Unternehmen identifiziert. Damit Unternehmen in einem digitalen, software- und datengetriebenen Zeitalter weiter erfolgreich sein können, müssen die notwendigen technischen Voraussetzungen etabliert werden. Als wichtiger Baustein …
Generative Adversarial Networks: Wie mit Neuronalen Netzen Daten generiert werden können
In diesem Artikel wird die Funktionsweise von GANs erläutert. Zudem werden Use Cases diskutiert, die mithilfe von GANs umgesetzt werden können, und aktuelle Trends vorgestellt, die sich im Bereich von generativen Netzwerken abzeichnen.
Machine Learning Modelle mit Hilfe von Docker Containern bereitstellen
Immer mehr Firmen erkennen das Potenzial von Künstlicher Intelligenz und entwickeln eigene ML Modelle. Gleichzeitig stehen diese Unternehmen oft vor der Herausforderung, diese Modelle anderen Nutzern intern zugänglich zu machen und darüber einen Mehrwert aus dem Modell zu generieren. In diesem Beitrag zeigen wir auf, wie solche Herausforderungen aussehen und wie Docker Unternehmen dazu befähigt, sie zu bewältigen.
How to Build a Machine Learning API with Python and Flask
In this blog post, Jannik will show you how to deploy your machine learning models as a REST API and how to make requests to the API from within your Python code.
Model Regularization – The Bayesian Way
Are you confused by Bayesian statistics? If you understand Ridge regression, one of the most common Bayesian models is within your reach! This post gives a brief intro to Bayesian thinking and shows you just how similar Ridge regression is to Bayesian linear regression by walking you through the math and exploring how coefficient estimates from both models compare.
Machine Learning Goes Causal I: Why Causality Matters
A new field of Machine Learning is born: Causal Machine Learning. Learn here what it is and why it is crucial for the future of Data Science.
Tuning Random Forest on Time Series Data
Training random forests on time series is one thing, but tuning them? It’s not like you can just apply cross validation and be done with it. Or can you? This post forms part two our mini-series “Time Series Forecasting with Random Forest”. Find out how you can tune the hyperparameters of the random forest algorithm when dealing with time series data. The answers might surprise you!
Time series forecasting with random forest
This blog post looks at how we can improve predictive accuracy by combining forecasts from different models.