Requirements Engineering trifft IBMs Künstliche Intelligenz Watson
|
|
- Paula Geier
- vor 6 Jahren
- Abrufe
Transkript
1 Requirements Engineering trifft IBMs Künstliche Intelligenz Watson Hubert Spieß Vertriebsbeauftragter Watson Internet of Things Connected Products Phone: Pepper works in Watson Service and wants to make people happy
2 Künstliche Intelligenz in den Schlagzeilen
3 Künstliche Intelligenz (KI) / Artificial Intelligence (AI) Nachbilden von menschlicher Intelligenz Simulationen intelligenten Verhaltens auf Basis vorgegebener oder erlernter Muster Selbstlernende Maschinen Treffen von Entscheidungen auch anhand von Wahrscheinlichkeiten KI kann eigenständig Probleme lösen und ihre Handlung aufgrund von Erfahrungen anpassen Empfindet als Unterscheidung von dem Denken eines Menschen keine Gefühle wie Liebe, Hass, Angst oder Freude
4 Emotion & Leidenschaft
5 Künstliche neuronale Netze Das neuronale Netz lernt durch: Entwickeln oder Löschen von neuen Verbindungen Ändern der Gewichtung Anpassen der Schwellenwerte der Neuronen Hinzufügen oder Löschen von Neuronen
6 Beispiele für Künstliche Intelligenz (KI) Text- und Schrifterkennung, Bild- und Gesichtserkennung virtuelle Assistenten für Smartphone, Tablet oder Laptop (Sprachsteuerung: Cortana, Siri, Amazon Echo) DeepText: Facebooks KI analysiert Post und Status-Updates Erstellen von Börsenberichte und Wetter- oder Sportnachrichten Dienstleistungsbereich: Übernahme von Transport; Telefonsupport; Klassifizierung von Mails Wissensbasierte Systeme (IBM Watson) Gesundheitswesen: Teilaufgaben von Ärzte übernehmen
7 Requirements Engineeing gestern, heute und morgen?
8 Tools & Trends in Requirements Engineering Einsatz von KI-Dienste (z.b. NLU, NLC, Bots) 1993 erste kommerzielle DOORS Version seit Q DOORS Next Generation 60, 70, 80er 90er 2000 heute morgen?
9 Wie kann Künstliche Intelligenz in RE unterstützen?
10 Anwendungsfälle für Requirements Engineering Use Case Duplication/Conflicts (similar requirements) Quality Assessment Missing requirements Related Requirements Glossary generation domain Search improvements Requirements classification Specification Recommendation Description Find duplicate or conflicting requirements in a set (or set vs standard/regulation) Rate quality of individual requirements Find missing requirements compared to previous projects Find missing traceability links Generate glossary content from a requirements set or other document Powerful search tools, facet search, semantic search Discover a requirement class (for RFP, FAQs, Chat-Bots) and deliver to the appropriate engineering department Based on past Proposals (RFP), on existing engineering data and relevant lessons learned
11 Ist Pepper bald der neue Kollege in Ihrem Team?
12 Dienste für den Einsatz von KI in RE Natural Language Processing (NLP) versucht, natürliche Sprache zu erfassen und mithilfe von Regeln und Algorithmen computerbasiert zu verarbeiten Natural Language Understanding (NLU) Textanalyse, um Metadaten wie Entitäten, Schlüsselwörter, Beziehungen und Kategorien zu extrahieren Natural Language Classifier (NLC) verwendet Algorithmen für maschinelles Lernen, um für kurze Texteingaben die vordefinierten Klassen zurückzugeben, die die höchste Übereinstimmung aufweisen Conversation (für Chat-Bots und virtuelle Agenten) Discovery konvertieren, aufbereiten und normalisieren von Daten Text-to-Speech / Speech-to-Text / Language Translation
13 Überblick Dienste-Anbieter für Text-Analyse, Konversation, Google: Cloud Natural Language aws: Amazon Comprehend, Amazon Lex Microsoft: Language Understanding Intelligent Service, Textanalyse-API SAS: SAS Visual Data Mining and Machine Learning Open Source: Apache OpenNLP, Stanford CoreNLP, NLTK IBM Watson: Watson Natural Language Understanding, Watson Knowledge Studio, Watson Natural Classifier, Watson Discovery, Watson Conversation.. Machine Learning Framework: Apache Spark MLlib, Caffe, Microsoft Azure ML Studio, Google TensorFlow,.
14 Requirement Quality Assessment
15 Requirement Quality Assessment mit Textanalyse (NLU) Für eine Anforderung wird mithilfe des Watson-Dienstes Natural Language Understanding eine Qualitätsbewertung basierend auf der vorhandenen Entitäten und Beziehungen vorgenommen. Hauptvorteile Steigerung der Anforderungsqualität und der Konsistenz zwischen den Teams Reduzieren widersprüchlicher Anforderungen Automatisierter Prozess zur Bewertung der Anforderungsqualität
16 Weak-Words Beispiele sollen sollte mehr gering nötig weit schmal mehr oder weniger. Examples of ambiguous words: Adequate, As Appropriate, Bad, Better, But not limited to, Correct, Easy, Effective, Satisfactory, Maximize, Minimize, Most, Must, Ideal, Large, Relevant, Shall not, Small, Sufficient, Suitable, Timely, Typical, User friendly, was, Utilize, All
17 Training des kundenspezifischen Models Empfehlung etwa 2000 Anforderungen Konsistente und vollständige positive Beispiele und negative Beispiele Tagging Anforderungen mit Entities und Relations
18
19
20 Modellarten: Rule-based Model (mit Dictionary und Classes) machine-learning annotator (train, learn, evaluate)
21 Anwender arbeitet an seinen Anforderungen im RE-Tool Anwender wählt eine bzw. mehrere Anforderungen aus Mit dem Klick auf Analyze wird der Anforderungstext zu Watson NLU gesandt
22 Watson NLU analysiert den Anforderungstext Watson NLU sendet Requirement Score, Entities und Relations zurück
23
24 Automatisierte Textanalyse für Prüfung von Spezifikationen Custom Document Crawler Export Annotated Files Data Directory Frontend Web User Interface Backend IBM Watson Explorer Content Analytics Specifications Ziel: Steigende formale Qualität der Spezifikationen mit weniger manuellen Aufwand Identifizierung falscher und unvollständiger Verweise auf andere anwendbare Dokumente
25 Kategorisieren von Informationen
26 Natural Language Classifier (NLC) NLC verwendet Algorithmen für maschinelles Lernen, um für Texteingaben die vordefinierten Klassen zurückzugeben, die die höchste Übereinstimmung aufweisen.
27 1. Trainingsdaten vorbereiten 2. Klassifikationsmerkmal erstellen und trainieren 3. Trainiertes Klassifikationsmerkmal abfragen 4. Ergebnisse bewerten und Trainingsdaten aktualisieren
28
29 Klassifizierung von häufig gestellter Fragen (FAQs) Klassifizieren eines Ausschreibungsdokuments Kategorisieren der Anforderungen/Defekts/Workitems und Weiterleitung an die entsprechende Entwicklungsabteilung
30 Chatbots Kombinieren von Conversation mit NLU/NLC (Machine Learning)
31 Can we meet?
Watson 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
MehrKooperation von Mensch und Maschine am Beispiel von IBM Watson Solutions
Kooperation von Mensch und Maschine am Beispiel von IBM Watson Solutions Peter Zimmer Nicole Roik Dr. Klemens Hägele IBM Deutschland GmbH Saarbrücken 22. Februar 2018 2018 IBM Corporation 1 2018 IBM Corporation
MehrEmotion Recognition of Call Center Conversations Robert Bosch Engineering and Business Solutions Private Limited
Emotion Recognition of Call Center Conversations Robert Bosch Engineering and Business Solutions Private Limited 1 Agenda 1 Introduction 2 Problem Definition 3 Solution Overview 4 Why Consider Emotions
Mehr2018 Cassini Consulting. Künstliche Intelligenz in der Kundenkommunikation
2018 Cassini Consulting Künstliche Intelligenz in der Kundenkommunikation CASSINI CONSULTING DATEN UND FAKTEN Unser Anspruch heißt Guiding ahead: Wir führen Klienten durch Wissensvorsprung in die Zukunft.
MehrMicrosoft Teams um smarte Bots erweitern
Michael König michael@hatahet.eu Nahed Hatahet nahed@hatahet.eu Microsoft Teams um smarte Bots erweitern MICROSOFT TEAMS >> Chatbasierende Zusammenarbeit
MehrArtificial Intelligence: Lösungsbeispiele für Knowledge Management, Enterprise Search & Prozessoptimierung. Franz Kögl IntraFind Software AG
Artificial Intelligence: Lösungsbeispiele für Knowledge Management, Enterprise Search & Prozessoptimierung Franz Kögl IntraFind Software AG IntraFind Software AG IntraFind ist Ihr Spezialist für die Informationsgewinnung
MehrDer GovBot zu Besuch beim Expertenforum
Der GovBot zu Besuch beim Expertenforum Expertenforum Intelligente Algorithmen am 16.10.2017 Dr. Christian Knebel, Geschäftsführer knebel@publicplan.de Michael Egen, Senior Account Manager egen@publicplan.de
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
MehrBring your own Schufa!
Bring your own Schufa! Jan Schweda Senior Softwareengineer Web & Cloud jan.schweda@conplement.de @jschweda Ziele des Vortrags Die Möglichkeiten von maschinellem Lernen aufzeigen. Azure Machine Learning
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.
MehrIntelligente Systeme WS 2015/16
Lehrgebiet Intelligente Systeme WS 2015/16 Andreas Dengel Fragestellungen Automatisierung von intelligentem" Verhalten im Sinn eines Leistungsverstärkers für den Menschen, z.b. Verstehen von Bildern, Sprache
MehrWatson Collaborator Cognitive Training für Collaboration Solutions
Watson Collaborator Cognitive Training für Collaboration Solutions Arnd Layer Competency Leader Social Collaboration, IBM Collaboration & Talent Solutions - Cognitive Solutions Unit DACH, 2017-04-03 2
MehrVertriebssteuerung & Kundenmanagement bei Finanzinstituten. 1. Dezember 2010, Frankfurt am Main
Vertriebssteuerung & Kundenmanagement bei Finanzinstituten 1. Dezember 2010, Frankfurt am Main Erweitern Sie Ihre Analyse auch um unstrukturierte Daten: mehr Einblicke, bessere Entscheidungen! Unsere Agenda
MehrSprachtechnologie in der Wissenschaft: Digital-Turn in evidenzbasierter Bildungsforschung und -information
Sprachtechnologie in der Wissenschaft: Digital-Turn in evidenzbasierter Bildungsforschung und -information Iryna Gurevych Sprachtechnologie-Feuerwerk: Aktuelle Anwendungsbeispiele und Zukunftsvisionen
MehrKarlsruhe Institute of Technology Die Kooperation von Forschungszentrum Karlsruhe GmbH und Universität Karlsruhe (TH)
Combining Cloud and Grid with a User Interface Jie Tao Karlsruhe Institute of Technology jie.tao@kit.edu Die Kooperation von Outline Motivation The g-eclipse Project Extending gg-eclipse for a Cloud Framework
MehrMAKING VISIONS WORK.
MAKING VISIONS WORK. MS Cognitive Services Jan Moser, Senior Software Architekt, BBV Software Services Inhaltsverzeichnis 1. Vorstellung Speaker 2. Was sind Cognitive Services 3. Generelle Architektur
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
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
MehrBIG Social Media Bot-Hub
BIG Social Media Bot-Hub Service- und Marketing-Bots auf allen digitalen Kanälen steuern mit dem Enterprise Bot-Hub! 26.10.2017 Paul Krüger Agenda 1. BIG Social Media 2. Was sind Chatbots? Warum sind Chatbots
MehrAlexa, was kann ich nächste Woche auf Rügen unternehmen?" Digitale Assistenten im Tourismus Breitbandsymposium Schwerin,
Alexa, was kann ich nächste Woche auf Rügen unternehmen?" Digitale Assistenten im Tourismus Breitbandsymposium Schwerin, 12.04.2018 Über Harti Schleifer & CARUGIA Familie + Digitalisierung + Breitband
MehrEngineering the Factory of the Future Now.Next.Beyond. Heiko Schwindt VP Automation & Electrification Solutions, Bosch Rexroth
Engineering the Factory of the Future Now.Next.Beyond. Heiko Schwindt VP Automation & Electrification Solutions, Bosch Rexroth Connect on LinkedIn www.linkedin.com/in/heiko-schwindt-625039140/ 1 "The challenge
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
MehrVon der Entscheidungsunterstützung zur Entscheidungsautomatisierung mit Big Data und Künstlicher Intelligenz
Von der Entscheidungsunterstützung zur Entscheidungsautomatisierung mit Big Data und Künstlicher Intelligenz Dr. Stefan Wess CEO Empolis Information Management, Kaiserslautern Seite 1 Historie der Empolis
MehrKünstliche Intelligenz
Künstliche Intelligenz Data Mining Approaches for Instrusion Detection Espen Jervidalo WS05/06 KI - WS05/06 - Espen Jervidalo 1 Overview Motivation Ziel IDS (Intrusion Detection System) HIDS NIDS Data
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz --- Vorlesung vom 17.4.2007 --- Sommersemester 2007 Prof. Dr. Ingo J. Timm, Andreas D. Lattner Professur für Wirtschaftsinformatik und Simulation
MehrVoice Assistants. What s new in Amazon s Alexa / Google s Assistant. Dominik Helleberg / Sebastian Messingfeld
Voice Assistants What s new in Amazon s Alexa / Google s Assistant Dominik Helleberg / Sebastian Messingfeld The Hollywood Version CC 3.0 https://de.wikipedia.org/wiki/2001:_odyssee_im_weltraum#/media/file:hal9000_better_reflection.svg
MehrSemantic Web. Anwendungsbereiche & Entwicklungen. http://www.know-center.at. Dr. Michael Granitzer
Semantic Web Anwendungsbereiche & Entwicklungen Dr. Michael Granitzer - gefördert durch das Kompetenzzentrenprogramm Agenda Die Vision und warum das Semantic Web Sinn macht Grundlagen: Wissensrepräsentation
Mehrpublicplan und COGNIGY kooperieren
publicplan GmbH Geschäftsführer Dr. Christian Knebel Bilker Straße 29 40213 Düsseldorf Tel +49 (0)211 635501-80 Torstraße 218 10115 Berlin Tel +49 (0)30 6098980-80 Pressemitteilung Düsseldorf, 16. Oktober
MehrJahrestagung Thomas Langkabel National Technology Officer
Jahrestagung 2017 Thomas Langkabel National Technology Officer Microsoft Deutschland @tlangkabel @MS_PublicSector Hallo, ich bin Cortana Künstliche Intelligenz unterstützt menschliche Fähigkeiten An was
MehrMachinelles Lernen. «Eine kleine Einführung» BSI Business Systems Integration AG
Machinelles Lernen «Eine kleine Einführung» @ZimMatthias Matthias Zimmermann BSI Business Systems Integration AG «Welcher Unterschied besteht zum Deep Blue Schachcomputer vor 20 Jahren?» AlphaGo Hardware
MehrData/Information Quality Management
Data/Information Quality Management Seminar WI/Informationsmanagement im Sommersemester 2002 Markus Berberov, Roman Eder, Peter Gerstbach 11.6.2002 Inhalt! Daten und Datenqualität! Einführung und Definition!
MehrLehrveranstaltungen im Wintersemester 2012/2013
Lehrveranstaltungen im Wintersemester 2012/2013 Information Systems and Machine Learning Lab (ISMLL) Prof. Dr. Dr. Lars Schmidt-Thieme Hildesheim, Juli 2012 1 / 1 Übersicht Praktika Hildesheim, Juli 2012
MehrSchnelles Denken - Maschinelles Lernen mit Apache Spark 2
Schnelles Denken - Maschinelles Lernen mit Apache Spark 2 Heiko Spindler Apache Spark - Components Machine Learning Machine learning explores the construction and study of algorithms that can learn from
MehrAnwendungen Künstlicher Intelligenz für Bankdienstleistungen
Anwendungen Künstlicher Intelligenz für Bankdienstleistungen Opentopic ist ein innovatives Startup aus NYC, das Marketinglösungen auf Basis Künstlicher Intelligenz entwickelt und vertreibt Data-driven
MehrUnternehmensprofil. sovanta AG, /17 1 / 20
Unternehmensprofil sovanta AG, 06.09.2018 11/17 1 / 20 sovanta AG Business Apps einfach. intelligent. effizient. simplicity first Gegründet mit dem Ziel das Arbeiten mit Business Software grundlegend zu
MehrWenn Maschinen lernen zu lernen Mensch- Maschine-Kommunikation zwischen Trial-and-Error und Deep Learning?
Wenn Maschinen lernen zu lernen Mensch- Maschine-Kommunikation zwischen Trial-and-Error und Deep Learning? TA17: Neue Arbeitswelt und Digitalisierung Welche Folgen haben neue Organisationsformen und Technologien?
MehrARTIFICIAL INTELLIGENCE IN DER WERBUNG MICHAEL KATZLBERGER, TUNNEL23
AI ARTIFICIAL INTELLIGENCE IN DER WERBUNG MICHAEL KATZLBERGER, TUNNEL23 01 Was ist AI? Was sind neuronale Netzwerke? 0 2 INHALT Wie die AI jetzt schon unser tägliches Leben beeinflusst 0 3 AI in der Werbung,
MehrTHINKOWL SERVICE DESK SOFTWARE FROM THE CLOUD BASED ON AI (ARTIFICIAL INTELLIGENCE) SELF-LEARNING SERVICE DESK INTELLIGENT PROCESS MANAGEMENT
SERVICE DESK SOFTWARE FROM THE CLOUD BASED ON AI (ARTIFICIAL INTELLIGENCE) SELF-LEARNING SERVICE DESK INTELLIGENT PROCESS MANAGEMENT INTELLIGENT AUTOMATION IN CUSTOMER SERVICE THE SERVICE DESK WITH A BRAIN
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,
MehrThe app the crashes, before the breakpoint is reached: Code to the event:
I have set a breakpoint in an asyc event-handler to ListView.ItenTapped-Event (see screenshot below): I then tap on an ListView-entry on my iphone 5 The app the crashes, before the breakpoint is reached:
MehrInternet Update Neues und spannendes rund um das Internet. Wolfgang Clauss
Internet Update 2016 Neues und spannendes rund um das Internet Wolfgang Clauss 25 Jahre Internet Du bist aber groß geworden! Google Nest 2014 WhatsApp 2009 iphone 2007 Wikipedia 2001 Facebook Youtube 2004/05
MehrIBM Watson und der Aufbruch ins Cognitive Computing Zeitalter - Meilensteine und Ausblick
IBM Watson und der Aufbruch ins Cognitive Computing Zeitalter - Meilensteine und Ausblick Expertenforum Intelligente Algorithmen - Innenministerium Baden-Württemberg Stuttgart, 16. Oktober September 2017
MehrMachine Learning in Azure Hätte ich auf der Titanic überlebt? Olivia Klose Technical Evangelist, Microsoft @oliviaklose oliviaklose.
Machine Learning in Azure Hätte ich auf der Titanic überlebt? Olivia Klose Technical Evangelist, Microsoft @oliviaklose oliviaklose.com 13.06.20 15 SQLSaturday Rheinland 2015 1. Zu komplex: Man kann
MehrLOG AND SECURITY INTELLIGENCE PLATFORM
TIBCO LOGLOGIC LOG AND SECURITY INTELLIGENCE PLATFORM Security Information Management Logmanagement Data-Analytics Matthias Maier Solution Architect Central Europe, Eastern Europe, BeNeLux MMaier@Tibco.com
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
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/
MehrCognitive Banking Wie Künstliche Intelligenz das Finanzwesen verändert
Cognitive Banking Wie Künstliche Intelligenz das Finanzwesen verändert BANKENTAG 2017: DIGITAL FINANCE - (R)EVOLUTION IM BANKING DHBW VILLINGEN-SCHWENNINGEN 18. OKTOBER 2017 WOLFGANG VON DREWS CLIENT TECHNICAL
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
MehrTechnology meets Strategy Digitale Trends Hartmut König Director Specialist Sales Marketing Cloud
Technology meets Strategy Digitale Trends 2017 Hartmut König Director Specialist Sales Marketing Cloud 12 Monate 7 8 9 11 12 13 15 Nein, nicht länger kann ichs lassen; will ihn fassen. Das ist Tücke!
MehrExploring the knowledge in Semi Structured Data Sets with Rich Queries
Exploring the knowledge in Semi Structured Data Sets with Rich Queries Jürgen Umbrich Sebastian Blohm Institut AIFB, Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 www.kit.ed Overview
MehrEinführung in die Artificial Intelligence
Einführung in die Artificial Intelligence Institut für Computertechnik ICT Institute of Computer Technology Roland Lang mailto:langr@ict.tuwien.ac.at Definition: Was ist AI? ISO 4177: Artificial Intelligence
MehrProduct Lifecycle Manager
Product Lifecycle Manager ATLAS9000 GmbH Landauer Str. - 1 D-68766 Hockenheim +49(0)6205 / 202730 Product Lifecycle Management ATLAS PLM is powerful, economical and based on standard technologies. Directory
MehrWENN DER KUNDENSERVICE-DESKTOP MITDENKT
ITYX GROUP KI-BASIERTE SERVICE DESK SOFTWARE WENN DER KUNDENSERVICE-DESKTOP MITDENKT KI im Kontext: Einleitung Nutzen von KI bei der Vorgangsbearbeitung (Case Management) ThinkOwl UI Klärung offener Fragen
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
MehrMarkus BöhmB Account Technology Architect Microsoft Schweiz GmbH
Markus BöhmB Account Technology Architect Microsoft Schweiz GmbH What is a GEVER??? Office Strategy OXBA How we used SharePoint Geschäft Verwaltung Case Management Manage Dossiers Create and Manage Activities
MehrAutomatisierung von Arbeitsabläufen durch Software Robots im HR-Bereich. Klemens Reinthaler, Manager & Software Robotics Lead EY Österreich
Automatisierung von Arbeitsabläufen durch Software Robots im HR-Bereich Klemens Reinthaler, Manager & Software Robotics Lead EY Österreich Agenda Aktuelle Herausforderungen Was ist Software Robotics? Anwendungsbeispiele
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
MehrSeminar aus Programmiersprachen. Markus Raab LVA
Seminar aus Programmiersprachen Markus Raab LVA 185.307 09.03.2016 Outline Problem description Topics Seminar course Grading Select date Choose topic+registration Elektra's
MehrUniversität Karlsruhe (TH)
Universität Karlsruhe (TH) Forschungsuniversität gegründet 1825 Improving Automatic Model Creation using Ontologies Sven J. Körner, Tom Gelhausen Institute for Program Structures and Data Organization
MehrTeaching at the Institute for Artificial Intelligence SS see also:
Teaching at the Institute for Artificial Intelligence SS 2015 see also: http://ai.uni-bremen.de/teaching Research Area: AI (Cognition-enabled Technical Systems) Artificial Intelligence, but System view
MehrThe Potential of Semantic Technologies for Libraries
The Potential of Semantic Technologies for Libraries Klaus Tochtermann ZBW Leibniz-Informationszentrum Wirtschaft 26. April 2012 Die ZBW ist Mitglied der Leibniz-Gemeinschaft Seite 1 Overview 2008 Semantic
MehrBig Data und künstliche Intelligenz
Big Data und künstliche Intelligenz Wie Daten gewonnen und ausgewertet werden können. Mittwoch 15. März, 12:30 13:15 Uhr Marcel Bernet Weiterbildung wie ich sie will Definition Der aus dem englischen Sprachraum
MehrWillkommen zum neuen Semester!
Willkommen zum neuen Semester! Informationsmanagement und Informationstechnologie (IMIT) und Wirtschaftsinformatik (Winf) Wintersemester 2012/13 1 Informationen (1) Belegung von Mastermodulen im Bachelor
MehrDSpace 5 und Linked (Open) Data. Pascal-Nicolas Becker Technische Universität Berlin German DSpace User Group Meeting 2014 Berlin, 28.
DSpace 5 und Linked (Open) Data Pascal-Nicolas Becker Technische Universität Berlin German DSpace User Group Meeting 2014 Berlin, 28. Oktober 2014 Ausblick: DSpace 5 Metadaten für alle Objekte (Collections,
MehrExtraktion und Visualisierung von multidimensionalen Textinformationen zur Integration von Big Data in unternehmensspezifischen Wissenslandkarten
Extraktion und Visualisierung von multidimensionalen Textinformationen zur Integration von Big Data in unternehmensspezifischen Wissenslandkarten FOM Hochschulzentrum Dortmund, Fachbereich Wirtschaftsinformatik
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
MehrHIR Method & Tools for Fit Gap analysis
HIR Method & Tools for Fit Gap analysis Based on a Powermax APML example 1 Base for all: The Processes HIR-Method for Template Checks, Fit Gap-Analysis, Change-, Quality- & Risk- Management etc. Main processes
MehrKeine Hexerei, sondern Alltag
AI Trendletter Auch Deep Learning macht den Data Scientist nicht obsolet Keine Hexerei, sondern Alltag Meinung von Dr. Andreas Becks Bei der Beschäftigung mit Begriffen wie Künstliche Intelligenz, Cognitive
MehrIndustrie 4.0 Predictive Maintenance. Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014
Industrie 4.0 Predictive Maintenance Kay Jeschke SAP Deutschland AG & Co. KG., Februar, 2014 Anwendungsfälle Industrie 4.0 Digitales Objektgedächtnis Adaptive Logistik Responsive Manufacturing Intelligenter
MehrR im Enterprise-Modus
R im Enterprise-Modus Skalierbarkeit, Support und unternehmensweiter Einsatz Dr. Eike Nicklas HMS Konferenz 2014 Was ist R? R is a free software environment for statistical computing and graphics - www.r-project.org
MehrDeep Learning auf dem Weg zu (selbst-)lernenden Maschinen?
Deep Learning auf dem Weg zu (selbst-)lernenden Maschinen? OCG Horizonte, Wien, 19.6. 2017 Stefan Strauß Deep Learning the next big (data) thing? DL=Representation-learning methods with multile layers
MehrVergleich der Voice Assistenten
Vergleich der Voice Assistenten aus Entwicklersicht Alexa vs. Google Assistant Sebastian Meßingfeld Köln, 12.06.2017 Neue Plattformen alte Probleme? Alexa & Google Assistant bieten aus Kundensicht ein
MehrGeneral Video Game AI Competition 2017
General Video Game AI Competition 2017 Teilnahme an einem Wettbewerb der künstlichen Intelligenz für Computerspiele Tobias Joppen, Christan Wirth, Prof. J. Fürnkranz 21.04.2017 Fachbereich Informatik Knowledge
MehrSwoogle. Patrice Matthias Brend amour
Swoogle Finding and Ranking Knowledge on the Semantic Web Patrice Matthias Brend amour Fachbereich Informatik und Informationswissenschaft Universität Konstanz Kurs: Web Services and Semantic Web Datum:
MehrGeneral Video Game AI Competition 2016
General Video Game AI Competition 2016 Teilnahme an einem Wettbewerb der künstlichen Intelligenz für Computerspiele Miriam Moneke, Nils Schröder, Tobias Joppen Christan Wirth, Prof. J. Fürnkranz 13.04.2016
MehrSoftware, Data und Machine Learning Engineers bei der Lufthansa Industry Solutions (Trendtalk)
Technology Day am 10:45 11:45 Uhr Raum: Empore Software, Data und Machine Learning Engineers bei der Lufthansa Industry Solutions (Trendtalk) Bernhard Kube, Vice President, Die Lufthansa ist ein Konzern
MehrWeb Information Retrieval. Zwischendiskussion. Überblick. Meta-Suchmaschinen und Fusion (auch Rank Aggregation) Fusion
Web Information Retrieval Hauptseminar Sommersemester 2003 Thomas Mandl Überblick Mehrsprachigkeit Multimedialität Heterogenität Qualität, semantisch, technisch Struktur Links HTML Struktur Technologische
MehrPrüfungsplan Master of Science in Wirtschaftsinformatik
Prüfungsplan Master of Science in Wirtschaftsinformatik Modul Art Creditpunkte Schwerpunkt Very Large Business Applications Module aus dem Bereich Wirtschaftsinformatik SWS Empfohlenes Semester Prüfungsart
MehrBeating Humans in complex Boardgames
Beating Humans in complex Boardgames Seminar Neueste Trends in Big Data Analytics Universität Hamburg Eike Nils Knopp 18.12.2017 Eike Nils Knopp 1 / 55 Inhalt Historie IBMs Deep Blue IBMs Watson DeepMinds
MehrForschunsprojekte und Independent Coursework. Prof. Dr. Christian Herta 29. Januar 2013
Forschunsprojekte und Independent Coursework Prof. Dr. Christian Herta 29. Januar 2013 Forschungsgebiete Suchtechnologie, Text- und Webmining Verarbeitung unstrukturierter Daten, insbesondere Text Large
MehrTOSCAna. A Standards-based Application Deployment Modelling & Transformation Framework IAAS & IPVS
TOSCAna A Standards-based Application Deployment Modelling & Transformation Framework IAAS & IPVS Motivation Many enterprises outsource their IT into the Cloud Cloud Computing provides some important benefits
MehrVisual Analytics. Seminar. [Guo, 2006] [Wong, 2006] [Keim, 2006] [Proulx, 2006] [Chang, 2007] [Kosara, 2006]
Seminar Visual Analytics [Guo, 2006] [Keim, 2006] [Wong, 2006] [Proulx, 2006] [Chang, 2007] [Kosara, 2006] Visual Analytics - Definitions Visual analytics is the science of analytical reasoning facilitated
MehrArtefakte, Linktypen und Besonderheiten von OOSE/RUP
Artefakte, Linktypen und Besonderheiten von OOSE/RUP Matthias Riebisch TU Ilmenau Workshop AK Traceability 07.12.2007 Darmstadt Eigenschaften von Traceability Links Obligatorisch: Identifier Startelement
MehrBots die virtuellen Assistenten für die Immobilienwirtschaft
Bots die virtuellen Assistenten für die Immobilienwirtschaft Kontakt: Alex Schmid Immobilienbot Alte Dorfstrasse 24 8704 Herrliberg alex@immobilienbot.ch 079 328 00 47 www.immobilienbot.ch Warum Bots für
Mehrmedexter clinical decision support
medexter Daten, Wissen und Transparenz in der klinischen Entscheidungsunterstützung Klaus-Peter Adlassnig Medexter Healthcare Borschkegasse 7/5, A-1090 Vienna www.medexter.com and Section for Artificial
MehrTextanalyse mit UIMA und Hadoop.!! Hans-Peter Zorn data2day, Karlsruhe, 27.11.2014
Textanalyse mit UIMA und Hadoop Hans-Peter Zorn data2day, Karlsruhe, 27.11.2014 Über mich seit 2014: Big Data Scientist @ Inovex 2011-2013: TU Darmstadt, UKP Lab Etablierung der Hadoop-Infrastruktur Unterstützung
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
MehrDie Bedeutung von Artificial Intelligence und Machine Learning für die Cyber Security. H. Lubich FHNW
Die Bedeutung von Artificial Intelligence und Machine Learning für die Cyber Security H. Lubich FHNW Es fing alles ganz harmlos an 2 Entwicklungsschritte KI Neuronale Netze Selbstlernende Systeme Advanced
MehrThementisch Anwendungsgebiete und
Thementisch Anwendungsgebiete und b Erfolgsgeschichten KMUs und Big Data Wien 08. Juni 2015 Hermann b Stern, Know-Center www.know-center.at Know-Center GmbH Know-Center Research Center for Data-driven
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
MehrSitecore und Lionbridge:
Sitecore und Lionbridge: Mehrsprachige Seiteninhalte durch effiziente Prozesse, Technologien und Ressourcen im Griff Bert Esselink, Lionbridge Jens Schüll, Uponor Agenda Lionbridge & Sitecore The Solution
MehrAgenda. TRACK II Die analytische Evolution es geht weiter! AI als Enabler für digitale Geschäftsmodelle Internet of Things zum Anfassen!
Agenda 10.00 DIGITAL POWER LIVE Begrüßung durch Hermann Hebben und Steffen Vierkorn 10.30 Cleveres Datenmanagement im Zeitalter von Digitalisierungsinitiativen: Agile Transformation von klassischen BI-Systemen
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
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
MehrMaschinelle Sprachverarbeitung Übung
Maschinelle Sprachverarbeitung Übung Aufgabe 3: SPAM-Klassifikation Mario Sänger Aufgabe Rund 50% des weltweiten Email-Verkehrs ist Spam* Spam- und Phishing-Mails stellen eines der größten Sicherheitsrisiken
MehrAnalyzing a TCP/IP-Protocol with Process Mining Techniques
Fakultät für Mathematik und Informatik Analyzing a TCP/IP-Protocol with Process Mining Techniques Christian Wakup rubecon information technologies GmbH Düsseldorf, Germany Jörg Desel FernUniversität in
Mehr2.1. Short description to bug Xamarin.Forms: ListView not scrollable in a ScrollView in a Stacklayout on Android
Short description to bug Xamarin.Forms: ListView not scrollable in a ScrollView in a Stacklayout on Android On a modal ( 1 ) search-page in my app, I have: A StackLayout ( 2 ) with: A Button on top ( 2.1)
Mehr