0%

Blog

Science Study: European Language Grid – KI Technologien für das mehrsprachige Europa

One-Stop-Shop für Sprachtechnologien: Die Vielzahl von Lösungen auf einem Marktplatz bündeln Von Daten, Modellen und Einsatzmöglichkeiten – Eckdaten, erste Ergebnisse und Erwartungen des Projektes Technische Hürden und Lösungsansätze bei der Bereitstellung einer zentralen Cloud Plattform für entsprechende Services Mögliche Anwendungsfelder der eingesetzten KI Der Vortrag thematisiert die Arbeit des DFKI in Berlin an dem jüngstenRead more

Keynote: Follow the Data – Investigativer Datenminimalismus für nachhaltige & kosteneffiziente KI

Warum viel nicht immer viel hilft: Funktioniert das Big Data Paradigma im Machine-Learning-Umfeld? Die Datenmenge nimmt jährlich exponentiell zu – wie kann man diesem Wachstum kosteneffizient, nachhaltig und verantwortlich begegnen? Wie st das Rezept für das optimale Verhältnis zwischen Datenmengen und Performanz? Wie können wir das messen? Was sind „toxische“ Daten, und welche Möglichkeiten habenRead more

Case Study: Deep learning in action – Wie maschinelles Lernen das Tagesgeschäft bereichert

Die Integration von theoretischen Modellen in die Praxis ist die große Herausforderung in vielen Data-Science Projekten. Bei DHL Paket leben wir eine enge Vernetzung von Anwendern und Analysten. In verschiedenen Anwendungsbeispielen können wir zeigen, wie sich neuronale Netze in unterschiedlichen Ausprägungen (MLP; LSTM) ins Tagesgeschäft einbetten lassen. So helfen sie unter anderem bei Prognosen dieRead more

Case Study: Prozessoptimierung mit Machine Learning bei einer gesetzlichen Krankenkasse – Dokumentenklassifizierung mit Convolutional Neural Networks

40 Millionen Dokumente und ein Deep Learning Ansatz mit 15 Schichten – Konzepte, Umfang und Ziele des Pilotprojekte Optimierung von Prozessen vom Scan zur Arbeitsstation – Datenstrom, Klassifizierung, Verfahren, Modell – bisherige Erfahrungen Technische Herausforderungen, Lösungsansätze und Vorteile gegenüber der klassischen Klassifizierung Über das Pilotprojekt hinaus – Lessons learned und AusblickRead more

3 | Data Shift Café: Übergang von strukturierten zu unstrukturierten Daten – Welche Ansätze, Modelle und Methoden sind am besten geeignet?

Read more

2 | Methods Café: Klassisches Machine Learning vs. Deep Learning – Welche Methoden sind wofür am besten geeignet?

Grundlegende Unterschiede zwischen klassischem Machine Learning und Deep Learning (bzw. was macht Deep Learning aus?) Typische Anwendungsbereiche für Deep Learning Voraussetzung um Deep Learning anwenden zu können Erfolge (Erfolgsberichte) von Deep Learning-ProjektenRead more

Case Study: Auf Schiene bleiben mit Predictive Maintenance und AI – Effiziente Nutzung von Radsätzen bei den ÖBB

Predictive Maintenance: unser Weg von der Idee zum ersten Prototypen Modellierung des Abnutzungsverhaltens von Radsätzen zur Schätzung von Restlaufzeiten und zur Kostenreduktion Hürden, praktische Umsetzung und Resultate Der Radsatz macht als zentrales Element im Güterverkehr bis zu 70% der gesamten Instandhaltungskosten aus. Wie wir bei den ÖBB diese Kosten durch Vorhersagemodelle des Abnutzungsverhaltens aus historischenRead more

Do NOT follow this link or you will be banned from the site!