Machine Learning Das neue 42?

Transkript

1 Machine Learning Das neue 42? Fabian Buchert Solution Architect SAS DACH

2 Analytics actual trend topics Citizen Data Scientist Machine Learning Text Analytics Artificial Intelligence Image Recognition Open Source Natural Language Processing Data Scientist Analytics Factory Cognitive Computing Deep Learning

3 Begriffe im Überblick Cognitive Computing Maschinelles Lernen Künstliche Intelligenz Deep Learning Neuronale Netze

4 Maschinelles Lernen

5 Maschinelles Lernen Gelerntes soll generalisierbar sein Algorithmen lernen Regelmäßigkeiten und Muster aus Daten Lernen ist kein einmaliger, sondern ein kontinuierlicher Prozess mit Feedback Es gibt verschiedene Lernformen Die Anwendung von Machine Learning Algorithmen erfordert das Wissen eines Data Scientisten

6 Maschinelles Lernen Credit Scoring Exploration und Feature Selection Lernphase Bewertung der Modelgüte

7 Maschinelles Lernen Credit Scoring

8 Maschinelles Lernen Credit Scoring Exploration und Feature Selection Lernphase Bewertung der Modelgüte

9 Maschinelles Lernen Anwendungen Risikobewertung Next-Best Offer Kundensegmentierung Prognose von Kündigungen Betrugserkennung Dokument Klassifikation Objekterkennung Analyse von Bildern

10 Maschinelles Lernen Analytics verändert Geschäftsprozesse Fertigungsindustrie Gesundheitswesen Financial Services Predictive Maintenance Garantierückstellungen schätzen Kaufaffinitäten Demand Forecasting Prozessoptimierung Telematik Diagnostik und Alarme aus Echtzeit-Patientendaten Proaktives Gesundheitsmanagement Geräteausfälle vermeiden Risiko Analysen und Regulation Kunden Segmentierung Cross-Selling and Up-selling Sales und Marketing Kampagnen Management Kredit Risiko More than a third of early movers also saw gains in bottom-line performance using machine-reengineering to slash 15% to 70% of costs from certain processes. Handel Reise und Logistik Energie Kaufempfehlungen Ankunft Flugzeuge am Terminal Dynamisches Routenmanagement Smart Grid Management Optimierung Angebot und Energiebedarf Analyse seismischer Daten Quellen: Forbes Magazine, July 2016, Harvard Business Review, February 2016

11 Machine Learning Hype and Reality

12 Die Geschichte machinellen Lernens Der Hype Hype Cycle for Emerging Technologies Source: Gartner (July 2016)

13 Die Geschichte machinellen Lernens Die Realität 1812 Bayes' Theorem Pierre-Simon Laplace 1951 First Neural Network Machine, Marvin Minsky 1965 First Deep Learning Algorithm by Ivakhnenko and Lapa 1763 The Underpinnings of Bayes' Theorem Sir Thomas Bayes 1950 Turing's Learning Machine Alan Turing 1993 First Neural Network in SAS

14 Machinelles Lernen Why is ML so HOT? Verfügbarkeit von Daten There were 5 Exabytes of information created between the dawn of civilization through 2003, but that much information is now created every 2 days. Eric Schmidt, Google CEO 2010 Günstige Rechenleistung & Parallelisierbarkeit Entwicklung & Erweiterung von Algorithmen

15 Das neue 42?

16 Bildauswertung

17 Größe standardisieren Bildauswertung in der Versicherung Aus Bildern werden Zahlen Farben konvertieren in schwarz/weiß Rauschen entfernen und Binärdaten erzeugen Kanten erkennen

18 Bildauswertung Integration in Geschäftsprozesse realisiert erst den Nutzen Discovery Deployment DATA

19

20 Der analytische Lebenszyklus mit SAS Schnell von der Innovation zur Industrialisierung Data Science Explorativ Innovation Neue Daten Experimente Daten aufbereiten Entdecken Fragen Integrieren (Geschäftsprozess) Anwenden Untersuchen Ausführen Operations Automatisiert Robust Aktionen Entscheidungen Data Scientist, Fachbereiche Modellieren Überprüfen IT, Business Analyst, Fachbereiche DATA

21 Das neue 42? Maschinelles Lernen ist für SAS-Kunden Evolution While the rest of the world is bathing in AI hype, SAS customers view it as evolution, not revolution. Tony Baer, Ovum Maschinelles Lernen verbessert Analysen Operationalisierung erfordert Erkennen und Handeln Auf das Team kommt es an Maschinelles Lernen liegt in der DNA von SAS Produktion und Automatisierung wichtiger als Algorithmen Schulterschluss zwischen Data Scientist und Fachexperten erreichen!

22 Vielen Dank sas.com