SKOPOS Webinar 22. Mai 2018
|
|
- Heini Bretz
- vor 5 Jahren
- Abrufe
Transkript
1 SKOPOS Webinar 22. Mai 2018 Marktforschung 2020: Künstliche Intelligenz und automatische Text Analysen? Christopher Harms, Consultant Research & Development
2 2 So? Terminator Exhibition: T-800 by Dick Thomas Johson CC BY 2.0
3 Oder so?
4 Was ist KI? 4 When it s fundraising, it is Artificial Intelligence When it s hiring, it is Machine Learning When it s implementing, it is linear regression. -- Amjad Abu-Rmileh (
5 Was ist KI? 5 Artificial Intelligence is Human Intelligence put into a machine. -- Preriit Souda (Data Science Director, Kantar Analytics UK)
6 Was ist KI? Was ist Machine Learning? 6 Künstliche Intelligenz Allgemeine KI (General AI) vs. Spezifische KI Maschinelles Lernen (Machine Learning) Von Allgemeiner KI sind wir noch weit entfernt Selbst spezifische KI kann nicht alle Erwartungen erfüllen, die heute an sie gestellt werden
7 Was ist KI? Was ist Machine Learning? 7 Hat rasante Entwicklung in den letzten Jahren gemacht, insbesondere bei der Verarbeitung von Bildern und Videos Deep Learning: Vorhersagen bei nicht-linearen Zusammenhängen Hat aber auch Grenzen, unter Anderem: Sehr hungrig in Bezug auf Trainingsdaten Kann schlecht außerhalb von Trainingsdaten vorhersagen Kann nicht auf Veränderungen reagieren
8 Zwei Arten von Machine Learning 8 Supervised Learning Unsupervised Learning Algorithmen werden mittels Trainingsdaten trainiert Die wahre Lösung ist bekannt Beispiel: Bilder von unterschiedlichen Tieren, die vorab von Hand korrekt klassifiziert wurden Wahre Lösung in den Daten ist unbekannt Struktur-suchende Verfahren Beispiel: Klassische Clusteranalyse Themen-Modellierung
9 KI / Machine Learning in der Marktforschung 9 Was heißt das für die Marktforschung?
10 KI / Machine Learning in der Marktforschung 10 Ziele in der Datenanalyse Prediction / Vorhersage Information / Inferenz Fokus von Machine Learning Hier konnten Erfolge durch Deep Learning erzielt werden Deep Learning: erklärt nicht welche Aspekte der Trainingsmenge relevant waren ( Black Box ) Fokus von empirischer Forschung Wir wollen verstehen wie Dinge zusammenhängen: Was sind die wichtigsten Treiber für unsere Markenstärke? Unser Ziel: Verbindung dieser Ansätze
11 KI / Machine Learning in der Marktforschung 11 These: In der Marktforschung können wir von Künstlicher Intelligenz durch Automatisierung profitieren. Sie wird uns nicht ersetzen.
12 Beispiel: Text Analytics 12 Analyse offener Angaben Was können wir tun, um unseren Service für Sie zu verbessern? Wortfrequenzen Manuelle Codierung Automatische Codierung Topic Modelling
13 Beispiel: Text Analytics 13 Automatische Codierung Unterstützung des Codierungsprozess durch automatische Codierung Manuelles Training ( Beispiele, je nach Anzahl Codes) Supervised Learning: Vorschläge für weitere Codes, manuelle Kontrolle 50 90% Genauigkeit, je nach Komplexität des Projekts
14 Beispiel: Text Analytics 14 Topic Modelling Aufdecken von Themenkomplexen und relevanten Schlagwörtern Unsupervised Learning: Wir wissen vorher nicht, welche Themen es gibt Statistische Modelle, um Zusammenhänge zwischen Wörtern zu identifizieren Können einen guten ersten Überblick geben, wenn sehr viele Daten vorliegen
15 Beispiel: Text Analytics 15 [0, 0, 1, 1, 0, 1, 0] [0, 1, 2, 1, 0, 0, 1] [1, 2, 1, 0, 1, 0, 1] Text Analytics ist Bereich mit vielen Tools und Anwendungsmöglichkeiten Zentrale Frage: Was kann uns tatsächlich einen Mehrwert für die Analyse geben? Language Translation Automatische Übersetzung von 35 Sprachen in Deutsch oder Englisch Sentiment Analysis Positive und negative Äußerungen in Texten identifizieren und auswerten Keyword Extraction Identifikation von relevanten Stichwörtern in offenen Texten Tone Analyzer Stimmungen (Freude, Wut, etc.) von Antworten und Freitexten erkennen Topic Modeling Erkennung von latenten Themen auf Basis von Keywords Automatisiertes Coding Mittels supervised Learning zuverlässig Codierungen automatisieren
16 Advanced Analytics 16 Integration von Befragungs- und Sekundärdaten: Neues Potenzial für Marktforschung Befragungsdaten zeigen nur einen Ausschnitt In Kombination mit weiteren Datenquellen können weitergehende Erkenntnisse gewonnen werden Treiberanalysen Predictive Modeling Segmentierung Anomaly Detection Einkaufshäufigkeit Zufriedenheit mit Service Shop- Image Zufriedenheit!
17 Data SKOPOS 17 Wir verstehen Data Science als vielschichtigen Prozess, um konkrete Fragestellungen zu beantworten Data Consulting Automatisierung der Verarbeitungs- und Analyseprozesse Daten-Integration Text Understanding Advanced Analytics Daten-Visualisierung
18 Fazit 18 These: Data Science, mehr Datenquellen und hohe Automatisierung ermöglichen neue Geschäftsfelder für Marktforscher und Unternehmen.
19 Fazit 19 Marktforschung qualitativ und quantitativ erfordert ein Verständnis von Bedürfnissen Verbindung von Kreativität, Erkenntnissen und Theorien Die Anforderungen werden sich verändern Marktforschung wird bestehen bleiben
20 Danke für Ihre Aufmerksamkeit! 20 Christopher Harms Consultant Research
General Online Research Conference GOR February to 2 March 2018, TH Köln University of Applied Sciences, Cologne, Germany
General Online Research Conference GOR 18 28 February to 2 March 2018, TH Köln University of Applied Sciences, Cologne, Germany Christopher Harms, SKOPOS GmbH & Co. KG Keine Angst vor Ihrem neuen Kollegen,
MehrData Science Marktforschung
Data Science Marktforschung Webinar 12. Juli 2018 Wie Data Science die Marktforschung verändert Christopher Harms, Consultant Research & Development Klassische Marktforschungsprojekte sind fokussiert auf
MehrThe 7 Secrets of Data Integration Dr. Markus Eberl, Kantar Analytics Practice
The 7 Secrets of Data Integration Dr. Markus Eberl, Kantar Analytics Practice 27.11.2018 Daten überall Geodaten und Bewegung Social Daten Bild Ton Video Kundenverhalten online offline Website-Verhalten
MehrMachine Learning. Dr. Bartholomäus Wissmath 3. Swiss Innovation Day
Machine Learning Dr. Bartholomäus Wissmath 3. Swiss Innovation Day Artificial Intelligence (AI) Teilgebiet der Informatik, welches sich mit der Automatisierung von intelligenten Verhalten und dem Maschinenlernen
MehrArtificial Intelligence. Deep Learning Neuronale Netze
Artificial Intelligence Deep Learning Neuronale Netze REVOLUTION Lernende Maschinen Mit lernenden Maschinen/Deep Learning erleben wir aktuell eine Revolution in der Informationsverarbeitung. Neue Methoden
MehrArtificial Intelligence. Was ist das? Was kann das?
Artificial Intelligence Was ist das? Was kann das? Olaf Erichsen Tech-Day Hamburg 13. Juni 2017 Sehen wir hier bereits Künstliche Intelligenz (AI)? Quelle: www.irobot.com 2017 Hierarchie der Buzzwords
MehrDATA SCIENCE GEBEN SIE IHREN DATEN BEDEUTUNG
DATA SCIENCE GEBEN SIE IHREN DATEN BEDEUTUNG ... DAMIT DATA SCIENCE FÜR DEN ANWENDER KEINE WISSENSCHAFT, SONDERN EINFACH FASZINIEREND IST! INFONEA ist die erste Self-Service Data-Science-Lösung, mit der
MehrUmfragekodierung mittels künstlicher Intelligenz. Maurice Gonzenbach, Caplena, Zürich,
Umfragekodierung mittels künstlicher Intelligenz Maurice Gonzenbach, Caplena, Zürich, 22.3.2018 Agenda 1. Problemstellung: Kodieren 2. Ansätze 3. Technischer Exkurs: KI und Kontext 4. Resultate & Anwendungen
MehrSusanne Greiner, Data Scientist, Würth Phoenix. Würth Phoenix more than software
USER GROUP 2018 Von der Datenaufnahme zur Datenanalyse Das Performance Monitoring von morgen: Einfluss von User Experience, Anomaly Detection, Deep Learning Susanne Greiner, Data Scientist, Würth Phoenix
MehrDOKUMENTENKLASSIFIKATION MIT MACHINE LEARNING
DOKUMENTENKLASSIFIKATION MIT MACHINE LEARNING Andreas Nadolski Softwareentwickler andreas.nadolski@enpit.de Twitter: @enpit Blogs: enpit.de/blog medium.com/enpit-developer-blog 05.10.2018, DOAG Big Data
MehrData Science als Treiber für Innovation Neue Anforderungen und Chancen für Ausbildung und Wirtschaft
Data Science als Treiber für Innovation Neue Anforderungen und Chancen für Ausbildung und Wirtschaft b Univ-Prof. Dr. Stefanie Lindstaedt b www.know-center.at Know-Center GmbH Know-Center: Austria s Research
MehrDer Weg zum intelligenten Assistenten Machine Learning, Künstliche Intelligenz und Kognitive Suche
Der Weg zum intelligenten Assistenten Machine Learning, Künstliche Intelligenz und Kognitive Suche Photo by Bence Boros on Unsplash AGENDA Über uns Begrifflichkeiten: Machine Learning, KI & Cognitive Search
MehrWatson Services on Bluemix Workshop
Watson Services on Bluemix Workshop Beate Melcher Klaus-Peter Schlotter Urs Witzig IBM Business Partner Solution Hub Agenda 09:00-09:45 Welcome and IBM Watson Overview 09:45-10:10 Watson Services 1/2 10:10
MehrKünstliche Intelligenz. Potential und Anwendung
Künstliche Intelligenz Potential und Anwendung Menschliche Intelligenz Intelligentere Maschinen dank künstlicher Intelligenz Bilder Bilder Texte Sprache Texte Sprache Verstehen von strukturierten und unstrukturierten
MehrPredictive Analytics. Warum datenbasierte Vorhersagen kein Hexenwerk sind. ASQF Automation Day Dr. Stefano Signoriello
Predictive Analytics Warum datenbasierte Vorhersagen kein Hexenwerk sind Dr. Stefano Signoriello Seite 1 Inhalte des Vortrags Analytics Von Daten zu Wissen Von Nachsicht über Einsicht zu Voraussicht Descriptive,
MehrGround Truth ohne Datenqualität kein Machine Learning. Erfolgsfaktoren für Predictive Analytics, BI und Data Mining
Ground Truth ohne Datenqualität kein Machine Learning. Erfolgsfaktoren für Predictive Analytics, BI und Data Mining Prof. Dr.-Ing. Peter Lehmann Hochschule der Medien Stuttgart GLIEDERUNG Etwas über Machine
MehrKünstliche Intelligenz: Gefahr oder Chance? Eric Berg Lead Architekt Azure und Microsoft MVP, COMPAREX
Künstliche Intelligenz: Gefahr oder Chance? Eric Berg Lead Architekt Azure und Microsoft MVP, COMPAREX Künstliche Intelligenz Was ist Künstliche Intelligenz? KI und der Mensch: Miteinander oder Gegeneinander?
MehrModulliste. für den Masterstudiengang. Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Data & Knowledge Engineering (alt) an der Otto von Guericke Universität Magdeburg Fakultät für Informatik vom Sommersemester 2019 Der Masterstudiengang Data & Knowledge
MehrArtificial Intelligence
Artificial Intelligence AI Hype meets Business Reality Dr. Stefan Wess CEO Empolis Information Management GmbH Unternehmen in Kaiserslautern UND TEIL UNSERES KULTURELLEN ERBES. KÜNSTLICHE INTELLIGENZ
MehrNeue Erkenntnisse aus unstrukturierten Daten gewinnen
Neue Erkenntnisse aus unstrukturierten Daten gewinnen Univ.-Prof. Dr. Josef Küng Institut für anwendungsorientierte Wissensverarbeitung (FAW) Johannes Kepler Universität Linz In Zusammenarbeit mit Mag.
MehrAI JOURNEY Vom Hype zu echten industriellen Anwendungen und Mehrwerten für Kunden und Mitarbeiter.
AI JOURNEY Vom Hype zu echten industriellen Anwendungen und Mehrwerten für Kunden und Mitarbeiter. AIM KOMPETENZEN & PORTFLIO Artificial Intelligence / Machine Learning Agile & DevOps Beratung Atlassian
MehrWeiterbildung. Modul: Business Analytics - Angewandte Datenanalyse Inhaltliches Konzept. Weitere Informationen:
Modul: Business Analytics - Angewandte Datenanalyse Inhaltliches Konzept Weitere Informationen: www.fhms.eu/analytics Fachhochschule Münster Münster School of Business Corrensstraße 25 Trakt C, 5. Etage
MehrDigitalisierung im Service Management - Was bringen AI, Chatbots und Co.?
Digitalisierung im Service Management - Was bringen AI, Chatbots und Co.? Agenda AI, Chatbot, KI, machine learning Stopp.wie bitte? Künstliche Intelligenz Ein Blick aus der Vergangenheit Status quo KI
MehrWebinar. Untersuchungsbericht 7. März NPS-Surveys im Praxiseinsatz Kurz und gut?
Webinar Untersuchungsbericht 7. März 2018 NPS-Surveys im Praxiseinsatz Kurz und gut? NPS im Überblick 2 Wie wahrscheinlich ist es, dass Sie Unternehmen/Marke X einem Freund oder Kollegen weiterempfehlen
MehrHerzlich willkommen! Arbeitskompetenz So bleibe ich fit für die Zukunft
Herzlich willkommen! Arbeitskompetenz 4.0 - So bleibe ich fit für die Zukunft Joël Krapf, Senior Consultant PwC (People & Organization) Agenda Was für eine Zukunft kommt auf uns zu? Wie sieht meine Arbeit
MehrPrognose von Kostenschwankungen mit Predictive Analytics DOAG 2016
Prognose von Kostenschwankungen mit Predictive Analytics DOAG 2016 CGI Deutschland Ltd. & Co. KG (Sulzbach) Alfred Stelzl (Lead Consultant Big Data Analytics) November 2016 CGI Group Inc. Agenda 2 Agenda
MehrPhänomen Digitalisierung Pflicht oder Kür erfolgreicher Unternehmen. Hannover, Timm Grosser, Senior Analyst
Phänomen Digitalisierung Pflicht oder Kür erfolgreicher Unternehmen Hannover, 15.03.2016 Timm Grosser, Senior Analyst 18.03.2016 BARC 2016 2 BARC: Expertise für datengetriebene Unternehmen 18.03.2016 BARC
MehrHuman-machine learning im Bereich Soccer Analytics Vergleich verschiedener Prognoseansätze am Beispiel Fußball
Human-machine learning im Bereich Soccer Analytics Vergleich verschiedener Prognoseansätze am Beispiel Fußball Bachelorthesis von Jonas Birk Betreuer: Prof. Dr. Hendrik Meth Zweitbetreuer: Prof. Dr. Peter
MehrUnlock the power of your data Künstliche Intelligenz ODER Marktforscher?
Unlock the power of your data Künstliche Intelligenz ODER Marktforscher? Datenintegration Neue Arten von Daten Social Daten Bild Ton Video Geodaten und Mindsets Befragungen Einstellungen Bedürfnisse Bewegung
MehrKI mit Human Touch Der Mensch im Zentrum des datenbasierten Marketing. Holger Laube / Dr. Markus Eberl Kantar Deutschland
KI mit Human Touch Der Mensch im Zentrum des datenbasierten Marketing Holger Laube / Dr. Markus Eberl Kantar Deutschland Immer mehr verfügbare Datenformen Social Daten Bild Ton Video Geodaten und Mindsets
MehrIntelligente Klassifizierung von technischen Inhalten. Automatisierung und Anwendungspotenziale
Intelligente Klassifizierung von technischen Inhalten Automatisierung und Anwendungspotenziale Künstliche Intelligenz Machine Learning Deep Learning 1950 1980 2010 Abgeleitet von: https://blogs.nvidia.com/blog/2016/07/29/whats-difference-artificial-intelligence-machine-learning-deep-learning-ai/
MehrDWH Automation - Steigerung von Qualität, Effektivität und Transparenz in der DWH Implementierung und dem Betrieb. Referent: Raphael Henneke
DWH Automation - Steigerung von Qualität, Effektivität und Transparenz in der DWH Implementierung und dem Betrieb Referent: Raphael Henneke Agenda 10.00 10.30 Begrüßung & aktuelle Entwicklungen bei QUNIS
MehrCognitive Solutions und IBM Watson
IBM Cognitive Solutions Unit Cognitive Solutions und Barbara Koch @Social_Babs Leader 1 2017 IBM Corporation IBM What Cognitive Solutions do Team you think of, when you hear IBM 2 2017 IBM Corporation
MehrDr. Alexander Janda Generalsekretär Kuratorium Sicheres Österreich
Dr. Alexander Janda Generalsekretär Kuratorium Sicheres Österreich Künstliche Intelligenz vs. menschliche Kompetenz: Wie wir im Umgang mit künstlicher Intelligenz scheitern können/werden? Economist-Studie
MehrKamera-basierte Objekterkennung
Kamera-basierte Objekterkennung Deep Machine Learning. Version 2.0 Einführung Motivation & Megatrends Motivation In der Logistik verursacht die Identifizierung (das Scannen) der Produkte, Pakete, Paletten,
MehrEFS Deep Learning für das Fahren der Zukunft. Anton Junker
EFS Deep Learning für das Fahren der Zukunft Anton Junker Wer ist die EFS? Wer sind wir? Unternehmen Gründung 2009 Standort Ingolstadt/Wolfsburg Beteiligung GIGATRONIK Gruppe (51%) Audi Electronics Venture
MehrMaster-Studiengang & Bewerbung/Zulassung. Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich
Master-Studiengang & Bewerbung/Zulassung Judith Zimmermann Studienkoordinatorin, Departement Informatik, ETH Zürich Master's in Data Science 120 Core Courses 62 Data Analysis 16 Information and Learning
MehrKünstliche Intelligenz als Wachstumsmotor
als Wachstumsmotor im Logistikbereich! Optimale Auslastung von Transportkapazitäten Selbstorganisierende Lageroptimierung Automatisierung der Wertschöpfungskette Flexible und kostengünstige Produktions-
MehrKünstliche Intelligenz Einsatzszenarien
Künstliche Intelligenz Einsatzszenarien Recommendation Engines Kunden neue Produkte anbieten bevor sie wissen, dass sie sie brauchen. Durch Advanced Analytics kann mehr Umsatz pro Auftrag durch Cross-
MehrBDCA Kick-Off München,
BDCA Kick-Off München, 3.3.2015 Unser Modus: Sprinter Fakten! Seit 2005! 60+ Mitarbeiter:! Certified Scrum Masters/Product Owners! Certified Java Spring Professionals! Certified MongoDB Devs/Admins! Certified
MehrBusiness Analytics Day Predictive Sales in CRM
Business Analytics Day Predictive Sales in CRM Business Analytics Day 07.03.2019 Artur Felic, CAS Software AG in Zahlen CAS Software AG eine Netzwerkorganisation Jedem Kunden seine CAS CAS Mittelstand:
MehrMit Chatbots den Service Desk optimieren. Michael Kuschke, Materna GmbH
Mit Chatbots den Service Desk optimieren Michael Kuschke, Materna GmbH Inhalte. Hype-Themen Artificial Intelligence, Cognitive Computing, Machine Learning und Chatbot Chatbot Was ist das? Wo braucht man
MehrB I D D I G I T A L E T B A H N. Deutsche Bahn und Big Data
Platzhalter für Titelbild Hier können Sie Bilder aus der Mediathek einfügen! Placeholder for title picture You can insert here pictures from the Mediathek! Deutsche Bahn und Big Data B I D D I G I T A
MehrInhalt. 4.1 Motivation. 4.2 Evaluation. 4.3 Logistische Regression. 4.4 k-nächste Nachbarn. 4.5 Naïve Bayes. 4.6 Entscheidungsbäume
4. Klassifikation Inhalt 4.1 Motivation 4.2 Evaluation 4.3 Logistische Regression 4.4 k-nächste Nachbarn 4.5 Naïve Bayes 4.6 Entscheidungsbäume 4.7 Support Vector Machines 4.8 Neuronale Netze 4.9 Ensemble-Methoden
MehrWas wir vorhersagen, soll auch eintreffen! Einführung von Big Data Security Intelligence für ein Finanzdienstleistungsunternehmen
Was wir vorhersagen, soll auch eintreffen! Case Study // Management Summary Stichworte IT Security Analytics Big Data Incident-Prozesse SOC IT-Angriffe Security Operations Ausgangssituation Ein, welches
Mehrwas kommt da auf uns zu?
Big Data was kommt da auf uns zu? Florian Kreker Projektmanager Zentrum für Innovation in der Gesundheitswirtschaft OWL 1 Gliederung 1. Digitalisierung und Big Data 2. Big Data im Gesundheitswesen 3. Big
MehrRound Table B: Digitalisierung als Chance für Controlling Prozesse Digitalisierung im Controlling Eine Standortbestimmung
Round Table B: Digitalisierung als Chance für Controlling Prozesse Digitalisierung im Controlling Eine Standortbestimmung Heimo Losbichler, Studiengangsleiter CRF Controlling, Rechnungswesen, Finanzmanagement
Mehr1.1 Was ist KI? 1.1 Was ist KI? Grundlagen der Künstlichen Intelligenz. 1.2 Menschlich handeln. 1.3 Menschlich denken. 1.
Grundlagen der Künstlichen Intelligenz 20. Februar 2015 1. Einführung: Was ist Künstliche Intelligenz? Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert
MehrDr. Daniel Fasel, CEO DATEN, DAS WERTSCHÖPFENDE GUT FÜR DIE DIGITALISIERUNG
Dr. Daniel Fasel, CEO DATEN, DAS WERTSCHÖPFENDE GUT FÜR DIE DIGITALISIERUNG End 2 End Big Data Services Platform Engineering & DevOps Analytics Solutions Proof of Concept Architecture & Strategy Machbarkeitsstudien
MehrBig Data. 2.1 Was wirklich neu ist
Big Data 2 Zusammenfassung In diesem Kapitel wird das Phänomen Big Data als zentraler Layer für das AI Business Framework vorgestellt und erklärt (Abb. 2.1). Es widmet sich den Zusammenhängen von Big Data,
MehrMachine Learning & Künstliche Intelligenz
Dr. med. Christina Czeschik Serapion www.serapion.de Machine Learning & Künstliche Intelligenz Eine kurze Einführung Künstliche Intelligenz intelligent nutzen Essen, 08.06.2018 Künstliche Intelligenz Turing-Test
MehrMachine Learning Das neue 42?
Machine Learning Das neue 42? Fabian Buchert Solution Architect SAS DACH Analytics actual trend topics Citizen Data Scientist Machine Learning Text Analytics Artificial Intelligence Image Recognition Open
MehrAnalytic im Einsatz! Betrugserkennung auf Basis von Big Data. Karol Sobiech
Analytic im Einsatz! Betrugserkennung auf Basis von Big Data Karol Sobiech 2 ACCENTURE GLOBAL DELIVERY NETWORK 3 4 AGENDA 1 MOTIVATION & ZIEL 2 METHODEN FRAUD MANAGEMENT SYSTEM 4 ARCHITEKTUR & TOOLS 3
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert Universität Basel 20. Februar 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrSeminar: Maschinelles Lernen und Deep Learning
Seminar: Maschinelles Lernen und Deep Learning Sommersemester 2018 Prof. Dr. Xiaoyi Jiang, Sören Klemm, Aaron Scherzinger Institut für Informatik, Arbeitsgruppe Pattern Recognition and Image Analysis (PRIA)
MehrMOBILES EYE- TRACKING. Effiziente Marktforschung am POS
MOBILES EYE- TRACKING Effiziente Marktforschung am POS Was bietet Eye-Tracking im POS Kontext? Eye-Tracking ist der Schlüssel zu verlässlichen Fakten zahlreicher Shopper-Fragen. Welche Elemente auf unserem
MehrSecurity & Transparency andré Schüler
Security & Transparency andré Schüler Maschinenzustände kennen und Mehrwerte generieren Digitalisierung Verändert unser Leben Digitalisierung, Neue Geschäftmodelle Diese Evolution birgt große Hochgeschwindigkeits-
MehrMaschinelles Lernen. mit und. Effizienz steigern in Massenprozessen. Jan Schinnerling. eworld 2019 Maschinelles Lernen
Maschinelles Lernen mit und Effizienz steigern in Massenprozessen Jan Schinnerling eworld 2019 Maschinelles Lernen Was ist maschinelles Lernen? 2 Grundidee: einem System durch Beispieldaten eine Fähigkeit
MehrDeep Learning Prof. Dr. E. Rahm und Mitarbeiter
Deep Learning Prof. Dr. E. Rahm und Mitarbeiter Seminar, WS 2017/18 Big Data Analyse-Pipeline Dateninte -gration/ Anreicherung Datenextraktion / Cleaning Datenbeschaffung Datenanalyse Interpretation Volume
MehrWEBINAR. Daten in schön. Online Dashboards Mehr als nur. Untersuchungsbericht 17. Januar 2019
WEBINAR Untersuchungsbericht 17. Januar 2019 Online Dashboards Mehr als nur Daten in schön Die Agenda für das heutige Webinar. 2 Warum Dashboards? Was meinen wir damit? Wie entsteht das Ganze? Dashboard-Beispiele:
MehrWelche Verantwortung trägt ein CDO?
Big-Data and Data Science Day 25. Juli Hochschule der Medien Stuttgart Welche Verantwortung trägt ein? Holger Stelz Director Marketing & Business Development 1 UNISERV GmbH, Pforzheim 3 Beispiele - Uniserv
MehrSmart Data in Banken, Versicherungen und LegalTechs. Klaus Reichenberger Big-Data.AI-Summit 2018
Smart Data in Banken, Versicherungen und LegalTechs Klaus Reichenberger Big-Data.AI-Summit 2018 1 intelligent views gmbh Gründungsjahr: 1997 Ausgründung aus Fraunhofer Institut Führender Anbieter semantischer
MehrAnalytics Der Weg zu datengetriebenen Geschäftsprozessen
Analytics Der Weg zu datengetriebenen Geschäftsprozessen Dr.-Ing. Philipp Gölzer 1 Ziel der Digitalisierung ist die Realisierung datengetriebener Geschäfts-/Entscheidungsprozesse Ziele Höhere Qualität
MehrChancen und Risiken intelligenter Datennutzung für den Mittelstand. Dr. Meike Wocken
Chancen und Risiken intelligenter Datennutzung für den Mittelstand Dr. Meike Wocken Datengenerierung Entwicklung Fertigung Montage Vertrieb Qualitätsmgmt. 120 100 80 60 40 20 0 0 5 10 15 20 25 Wartung
MehrIndustrial Data Intelligence Datenbasierte Produktionsoptimierung. Hannover, HMI Peter Seeberg
Industrial Data Intelligence Datenbasierte Produktionsoptimierung Hannover, 26.04.2017 HMI Peter Seeberg Algorithmus Daten Entscheidung Peter Seeberg / Softing, 2016 Copyright 2016 Softing Industrial.
MehrKünstliche Intelligenz im Maschinen- und Anlagenbau Heilsbringer oder Hypebringer?
ASQF Automation Day 2018 - Predictive Analytics Künstliche Intelligenz im Maschinen- und Anlagenbau Heilsbringer oder Hypebringer? Vasilij Baumann Co-Founder/Co-CEO vasilij.baumann@instrunext.com +49 931
MehrRegellose künstliche Intelligenz Deep Learning - Lernen an Hand von Beispielen
Regellose künstliche Intelligenz Deep Learning - Lernen an Hand von Beispielen EDV-Gerichtstag 2018, Saarbrücken 20.9.2019 Jörn Erbguth, Legal Tech Consultant joern@erbguth.ch +41 787256027 Agenda Beispiele
MehrDie Horváth-Controller-Weiterbildung BI & Big Data im neuen Format
Die Horváth-Controller-Weiterbildung BI & Big Data im neuen Format Advanced Analytics & Business Intelligence für Controller und Performance Manager Patricia Burr Stuttgart, Februar 2019 Das neue Konzept
Mehratharina Simbeck, HTW Berlin
atharina Simbeck, HTW Berlin Agenda HR Analytics 7 Probleme Schlussfolgerungen HR Analytics Welche Mitarbeiter werden demnächst kündigen? Quelle der Abbildungen: open.sap.com Data Science in Action - Building
MehrOWM Future Inspiration Day 22. März 2017 Artificial Intelligence Bosch is teaching the vehicle how to drive. Rosa Meckseper VP Marketing and Business
OWM Future Inspiration Day 22. März 2017 Artificial Intelligence Bosch is teaching the vehicle how to drive. Rosa Meckseper VP Marketing and Business Strategy Robert Bosch GmbH INTERNET DER DINGE OWM R.
MehrKann SAS Ihre Handschrift lesen? Machine Learning am Beispiel von Stacked Denoising Autoencoders
Kann SAS Ihre Handschrift lesen? Machine Learning am Beispiel von Stacked Denoising Autoencoders Gerhard Svolba SAS Austria Mariahilfer Straße 116 A-1070 Wien Sastools.by.gerhard@gmx.net Zusammenfassung
MehrHype und relevante Veränderung durch kognitive Technologien Was ist heute bereits möglich mit Künstlicher Intelligenz?
Hype und relevante Veränderung durch kognitive Technologien Was ist heute bereits möglich mit Künstlicher Intelligenz? Thomas Ross, IBM Global Business Services, Media Industry HAL 9000 I'm sorry, Dave.
MehrKünstliche Intelligenz: Periodensystem der Elemente. Arbeitskreis Artificial Intelligence
Künstliche Intelligenz: Periodensystem der Elemente Arbeitskreis Artificial Intelligence Künstliche Intelligenz: 28 Elemente Künstliche Intelligenz: 28 Elemente - 8 Fragen Was genau leistet das Element?
MehrKMU Neue Möglichkeiten der mathematischen Datenanalyse
DataScience @ KMU Neue Möglichkeiten der mathematischen Datenanalyse Prof Dr. Klaus Frick Institut für Computational Engineering ICE Das Institut ICE Wer sind wir? 6 Dozenten: Promovierte Mathematiker
MehrEinführung in das Maschinelle Lernen I
Einführung in das Maschinelle Lernen I Vorlesung Computerlinguistische Techniken Alexander Koller 26. Januar 2015 Maschinelles Lernen Maschinelles Lernen (Machine Learning): äußerst aktiver und für CL
MehrAktuelle Themen für die Masterstudiengänge Wirtschaftsingenieurwesen 1
Aktuelle Themen für die Masterstudiengänge Wirtschaftsingenieurwesen 1 Im Wintersemester 2017/18 werden folgende Module im Rahmen des Dummy-Moduls Aktuelle Themen für die Masterstudiengänge Wirtschaftsingenieurwesen
MehrStefan Schenke & Shpend Tahirsylaj. I, Robot. Der Einsatz von Artificial Intelligence (AI) im IT-Servicemanagement 18 I NEWS
Stefan Schenke & Shpend Tahirsylaj I, Robot Der Einsatz von Artificial Intelligence (AI) im IT-Servicemanagement 18 I NEWS I, Robot» Auch wenn Artificial Intelligence (künstliche Intelligenz KI) nur ein
MehrQuo vadis Prozessmodellierung? Unsere Sicht der Dinge SemTalk User Meeting Dr.-Ing. Frauke Weichhardt Semtation GmbH
Quo vadis Prozessmodellierung? Unsere Sicht der Dinge SemTalk User Meeting 2016 Dr.-Ing. Frauke Weichhardt Semtation GmbH Aktueller Stand Prozessorientierung hat sich als organisatorisches Konzept und
MehrInstitut für angewandte Datenanalyse GmbH
Institut für angewandte Datenanalyse GmbH Überblick Vorstellung Marktforschung oder Data Mining? Database Enrichment Machine-Learning-Verfahren Zwei Fallstudien Ausblick und Fazit Vorstellung IfaD Institut
MehrDigitalisierung und Fragmentierung: Innovative Ansätze in der klassischen Marktforschung in Zeiten von Big Data
Digitalisierung und Fragmentierung: Innovative Ansätze in der klassischen Marktforschung in Zeiten von Big Data Screenforce Expertenforum 22. März 2017 Ein Blick auf Kennzahlen aus Befragungen Teilnahmebereitschaft
MehrDatenprodukte für Deutschlands größten Fahrzeugmarkt. Vortrag beim BITKOM Big Data Summit am 16. Februar 2017 in Hanau
Datenprodukte für Deutschlands größten Fahrzeugmarkt Vortrag beim BITKOM Big Data Summit am 16. Februar 2017 in Hanau Was darf dieses Auto kosten? 2 Quelle: mobile.de Vortragende Benjamin Eckart Manager
Mehrxr, AI, ML, Mehr als ein Hype?!
www.c-lp.de xr, AI, ML, Mehr als ein Hype?! Guido Walter (CEO Core Learning Production) xreality Experiences I Core Learning Production 2017 1 xreality Adaption / Verbreitung / Potenzial xreality Experiences
MehrBig Data Künstliche Intelligenz Und das Ich
Big Data Künstliche Intelligenz Und das Ich Überblick Big data 2 Beispiele David Kriesel: Spiegel Mining Cambridge Analytics: Ocean Diagramm Intelligenz Wie funktioniert das? Neuronale Netze Zukunktsperspektiven/Kaffeesatzleserei
MehrSAS CONTEXTUAL ANALYSIS IN ACTION ERFAHRUNGEN AUS EINEM EIN SELBSTVERSUCH
SAS CONTEXTUAL ANALYSIS IN ACTION ERFAHRUNGEN AUS EINEM EIN SELBSTVERSUCH GERHARD SVOLBA COMPETENCE CENTER ANALYTICS WIEN, 17. NOVEMBER 2015 SAS CONTEXTUAL ANALYSIS 14.1 EIN BLICK IN DIE PRODUKTBESCHREIBUNG
MehrCAS Data Science. Die Datenanalyse spielt für Unternehmen eine immer wichtigere Rolle.
Die Datenanalyse spielt für Unternehmen eine immer wichtigere Rolle. Geschäftsreleante Informationen aus einer grossen gesammelten Datenmenge herauslesen! 1 Hauptkursziel: Das Ziel des Kurses ist die Vermittlung
MehrIntegrierte Unternehmensplanung in Zeiten der Digitalen Transformation.
Integrierte Unternehmensplanung in Zeiten der Digitalen Transformation www.pikon.de Agenda. Warum reden wir über Digitale Transformation? Was macht Planung schwierig? Wie gehen wir vor? Zusammenfassung
MehrAMA. Applied Machine Learning Academy. Prof. Wolfgang Nejdl
Applied Machine Learning Academy AMA Applied Machine Learning Academy Prof. Wolfgang Nejdl Projektziele Aufbau einer Applied Machine Learning Academy (AMA) auf der Grundlage eines inhaltlich nachhaltigen,
MehrData Science mit Python
Data Science mit Python Vertiefung von Algorithmen und Einführung in die Data Science- Programmiersprache Python Kurzbeschreibung Python ist eine Programmiersprache, welche im Bereich Data Science immer
MehrSharon Goldwater & David McClosky. Sarah Hartmann Advanced Topics in Statistical Machine Translation
Sharon Goldwater & David McClosky Sarah Hartmann 13.01.2015 Advanced Topics in Statistical Machine Translation Einführung Modelle Experimente Diskussion 2 Einführung Das Problem Der Lösungsvorschlag Modelle
MehrPersonenerkennung. Harald Hauptseminarpräsentation. Harald Kirschenmann. Department Informatik. Department Informatik.
Harald Hauptseminarpräsentation Kirschenmann Personenerkennung 1 Inhaltsübersicht Motivation Grundlagen Benchmark Eigene Gesichtserkennung 2 Motivation Baustein einer Microservice Architektur Personenerkennung
MehrData Science goes professional
Data Science goes professional [R] Kenntnis-Tage 2016 Die [R] Kenntnis-Tage ermöglichen branchenübergreifendes Wissen und Vernetzen im Umfeld von Data Science und R. Die Kombination von Success Stories
MehrDie Konvergenz von Mensch und Machine - und was dies für die Zukunft von Gesellschaft und Business bedeutet
www.futuristgerd.com www.gerdtube.com @gleonhard on Twitter Die Konvergenz von Mensch und Machine - und was dies für die Zukunft von Gesellschaft und Business bedeutet Mein neues Buch Technology vs Humanity
MehrUnternehmensprofil. sovanta AG, /17 1 / 20
Unternehmensprofil sovanta AG, 26.06.2018 11/17 1 / 20 sovanta AG Business Apps einfach. intelligent. effizient. simplicity first Gegründet mit dem Ziel das Arbeiten mit Business Software grundlegend zu
MehrAnalytics Research Day Zürich
Einladung zum IBM SPSS Analytics Research Day Zürich Professionelle Datenauswertungen als Grundlage fundierter Entscheidungen Erfahren Sie das ganze Potential der IBM SPSS Statistics Lösungen live mit
MehrBusiness Analytics. Aktuelle Methoden und Werkzeuge im Zeitalter der Digitalisierung. Business Analytics
Aktuelle Methoden und Werkzeuge im Zeitalter der Digitalisierung Workshop für Führungskräfte (Gesamtheitlicher Überblick) mit Excel 2019 mit R Workshop für Führungskräfte (Gesamtheitlicher Überblick) Chancen
MehrKünstliche Intelligenz und berufliche Bildung Wie das Internet der Dinge und KI das Lernen verändern
Künstliche Intelligenz und berufliche Bildung Wie das Internet der Dinge und KI das Lernen verändern Professor Dr. habil. Christoph Igel Deutsches Forschungszentrum für Künstliche Intelligenz Educational
MehrPräzisierung zur Absolvierung von Studienschwerpunkten
K 066/926 CURRICULUM ZUM MASTERSTUDIUM WIRTSCHAFTSINFORMATIK Präzisierung zur Absolvierung von Studienschwerpunkten o. Univ.-Prof. DI Dr. Michael Schrefl Institutsvorstand, Institut für Wirtschaftsinformatik
MehrAutonomes Fahren und KI
Autonomes Fahren und KI Kann eine autonom steuernde KI den normal reagierenden menschlichen Fahrer sicher ersetzen/übertreffen? Marco-Marcel Pechtold 19. Januar 2018 Inhaltsverzeichnis 1 Einleitung 2 2
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Einführungsveranstaltung Überblick Organisation Literatur Inhalt und Ziele der Vorlesung Beispiele aus der Praxis 2 Organisation Vorlesung/Übung + Projektarbeit. 4 Semesterwochenstunden.
MehrTitel von Modul/Lehrveranstaltung (lt. Prüfungsordnung der Uni Potsdam für BL BIO SE H 20132) Foundations of Stochastics
Einschätzung für Novelle MuSchG Abschluss: Master of Science(MS) Studienfach: Data Science (DSC) version: Wintersemester 2018/1 rot Belegung für Schwangere verboten gelb Belegung für Schwangere nach Rücksprache
Mehr