Der stationäre Handel als Profiteur von Machine Learning

Mit Machine Learning kann der stationäre Handel viele Prozesse optimierten.

Der stationäre Handel könnte der Gewinner von den Entwicklungen im Bereich Machine Learning oder allgemein von Künstlicher Intelligenz sein. Erfahren Sie in diesem Blog-Artikel, warum und wie gerade der Stationäre Handel von der Digitalisierung und Data-Science-Lösungen profitieren kann.

Weiterlesen

Auf dem Weg zur Artificial General Intelligence: Der Stand der Forschung (Teil 2/3)

Artificial General Intelligence ist nicht nur eines unter vielen aktuellen Forschungskonzepten, sondern ein kleiner Menschheitstraum. Mit Deep Reinforcement Learning scheint dieser Traum zum Greifen nah. In Teil 2 unserer Renforcement Learning Serie werfen wir einen Blick in die aktuelle Forschung. Dieser zeigt, wo wir heute stehen und welche Strecke auf dem Weg zur Artificial General Intelligence noch vor uns liegt.

Weiterlesen

Einfach erklärt: So funktioniert Reinforcement Learning (Teil 1/3)

Reinforcement Learning beziehungsweise „Bestärkendes Lernen“ oder „Verstärkendes Lernen“ ist eine immer beliebter werdende Machine-Learning-Methode, die sich darauf konzentriert intelligente Lösungen auf komplexe Steuerungsprobleme zu finden. In diesem Blog-Artikel erklären wir, wie die Methode grundsätzlich funktioniert, um dann in zwei folgenden Artikeln zu zeigen, welches konkrete Potential in Reinforcement Learning steckt.

Weiterlesen

Deep Learning in der Praxis: 5 Anwendungsfälle für Deep-Learning-Algorithmen

Deep Learning als wichtige Methode im Bereich Data Science.

Deep Learning ist eine Data-Science-Methode, die insbesondere im Zusammenhang mit Künstlicher Intelligenz eine große Bedeutung spielt. Immer mehr Anwendungen im Alltag wie Gesichtserkennungssoftware in Smartphone-Kameras fußen auf Deep Learning. In diesem Blog-Artikel erklären wir anhand von fünf praktischen Anwendungsfällen die hohe Relevanz von Deep Learning.  

Weiterlesen

Machine Learning im Casino: Warum Unternehmen sich für einen Sieg im Poker interessieren sollten

Erfahren Sie in dem Artikel worum es sich beim Machine Learning handelt und welche Rolle dieses beim Pokern spielen kann.

Machine Learning steht im Zentrum des Konkurrenzkampfs Mensch vs. Künstliche Intelligenz (KI). Anfang des Jahres 2017 gab es hier auf Seite der Maschinen einen weiteren, wesentlichen Durchbruch zu verzeichnen. In diesem Blog-Artikel erklären wir, warum dieses Datum bedeutsam ist, was Machine Learning genau ist und warum diese Methode für die Wirtschaft so wichtig ist.

Weiterlesen

Transfer Learning am Beispiel von Bildanalysen

Tansfer Learning, Machine Learning

Transfer Learning ist eine von verschiedenen im Bereich Machine Learning angewandten Lernmethoden, um Algorithmen mit den Fähigkeiten auszustatten, die sie für eine bestimmte Aufgabe brauchen. Die bekanntesten und verbreitetsten Lernmethoden sind sicher Unsupervised Machine Learning und Supervised Machine Learning. Dieser Artikel gibt einen Überblick über die wichtigsten Aspekte des Transfer Learning.

Weiterlesen

Datenvisualisierungen und die Macht des Visuellen

Visualisierung und die Macht des Visuellen.

Datenvisualisierungen sind ein machtvolles Instrument. Denn kaum etwas überzeugt uns so schnell wie ein Blick auf ein Chart oder ein Diagramm. In diesem Blog-Artikel befassen wir uns umfassend mit den wichtigsten Aspekten und Anforderungen von Datenvisualisierungen.

Weiterlesen

Vom Prototyp zum Data Product: Mit diesen 3 Best Practices gelingt die Produktivsetzung

Prototyp

Von der Idee – z.B. den Online-Verkauf von Produkten zu erhöhen – bis zum fertigen Data Product – z.B. der Implementierung eines operativen Produktempfehlungssystems  auf der Website – muss ein Data-Science-Projekt zahlreiche Schritte durchlaufen. Derzeit scheitern viele Datenprojekte während der Bereitstellungsphase (Deployment Phase). In diesem Stadium wird das Ergebnis der Prototypenphase in ein operatives Data Product überführt und in die jeweiligen Geschäftsprozesse integriert. Dies ist eine der wichtigsten Phasen des Data-Science-Lebenszyklus, da sich hier entscheidet, ob ein Projekt tatsächlich Mehrwert aus Daten generieren kann. Dabei kann ein Projekt in dieser kritischen Phase an mehreren Herausforderungen scheitern.

Weiterlesen

5 Gründe, warum Data-Science-Projekte kaum Mehrwert aus Daten generieren

Kind auf Leiter streckt Hand zum Himmel.

Daten durchdringen heute nahezu jeden Geschäftsprozess. In den vergangenen Jahren haben Unternehmen zunehmend Datenprodukte in Data-Science-Projekten pilotiert. Trotzdem gelingt es in vielen Fällen nicht, diese in den produktiven Einsatz zu bringen und somit Daten langfristig gewinnbringend einzusetzen. Worin genau besteht eigentlich die Schwierigkeit, wenn es darum geht, Mehrwert aus Daten zu generieren?

Weiterlesen

1 2 3 10
top