elaboratum InsureFin Digital Day 2018 Was kann KI für die Finanzdienstleistungs- und Versicherungsbranche leisten?
|
|
- Christa Kohler
- vor 5 Jahren
- Abrufe
Transkript
1 elaboratum InsureFin Digital Day 2018 Was kann KI für die Finanzdienstleistungs- und Versicherungsbranche leisten? Wolfgang Beinhauer Fraunhofer IAO Seite 1
2 Mensch oder Maschine? Der Turing-Test (Alan Turing, 1950) Von Alan Turing 1950 vorgeschlagener Test zur Überprüfung der Ebenbürtigkeit von Mensch und Maschine Algorithmus A und Mensch B geben sich in der Interaktion mit (menschlichem) Beobachter C als Mensch aus. Beobachter C darf 5 Minuten mit A und B interagieren. Beobachter C entscheidet, ob er A oder B für Mensch oder Maschine hält. Vorhersage Alan Turing: Im Jahr 2000 nicht mehr entscheidbar. Seite 2
3 Künstliche Intelligenz - demystifiziert Besser: Lernende Systeme Eingabe Regelwerk Ausgabe Künstliche Intelligenz ist schon deshalb nicht klar definiert, weil Intelligenz nicht definiert ist. I k R k Es wird häufig gleichgesetzt mit Kognition, also der Fähigkeit, eigenständig zu denken. Eingabe I k Lernendes System Ausgabe R k Genau das können Computer nicht. Aber sie können etwas lernen und sie sind schnell und geduldig. I k R k ~ Seite 3
4 Was ist Intelligent? Was ist ein schwieriges Problem? 20 x=1 3 x 2 sin 1/x x 3 Seite 4
5 Klassifikation Ein einfaches Beispiel für Maschinelles Lernen Klassifikation Es ist eine Menge von Objekten bekannt, die durch eine Reihe von Merkmalen ( Features ) charakterisiert wird und die einer Kategorie zugeordnet sind. Nun kommt ein weiteres Objekt hinzu. Es soll entschieden werden, zu welcher Kategorie es gehört. Anhand eines Modells wird entschieden, welche Zielkategorie die wahrscheinlichste ist. Die Performanz des Modells wird im Gütemaß gefasst, z.b. die Fehlklassifikationsrate. Seite 5
6 Farbe Klassifikation Ein komplexeres Beispiel für Maschinelles Lernen Klassifikation von Rebsorten Shiraz Merlot Nächste Nachbarn Ansatz Zur Entscheidung werden die k nächsten Nachbarpunkte herangezogen (Nearest Neighbour Verfahren). Die Anzahl k ist der Tuning-Parameter des Algorithmus. Trollinger k = 1 Punkt 3 ist Trollinger. k = 3 Punkt 3 ist Merlot. k = 500 Punkt 3 ist?. Alkoholgehalt Quelle: UCI Das System lässt sich trainieren (d.h.: ein optimales k finden), indem man viele Datenpunkte klassifiziert und überprüft (supervised learning). Seite 6
7 Klassifikation Projektbeispiel Fraunhofer IAO Transportplanung Disposition Merkmale Stoffkategorie Masse Volumen Gefahrgut (28 Merkmale) Outcome (Klassifikation) Vorlauf Nachlauf Verkehrsträger Tuning CBR mit dynamischen Gewichtungen Seite 7
8 Prädiktion Projektbeispiel Fraunhofer IAO Seite 8
9 Künstliche Intelligenz ein Begriff, viele Disziplinen Und noch mehr Anwendungsfelder Videoanalyse Überwachtes Lernen Unüberwachtes Lernen Nach: Daugherty et al., Human + Machine. Harvard Business, Seite 9
10 RoboAdvisor KI-gesteuertes Anlageportfolio Anlagephilosophie Aktives Risikomanagement: Schichtet Portfolio in volatilen Zeiten automatisch um und verändert die Risiko-Aufteilung, z.b. durch weniger Aktien, wenn die Börse einbricht. Verkauft Positionen mit erhöhtem Risikopotential automatisch Schützt vor Verlusten, führt zu entgangenen Gewinnen in volatilen Märkten. Seite 10
11 RoboAdvisor KI-gesteuertes Anlageportfolio Anlagephilosophie Aktives Risikomanagement: Schichtet Portfolio in volatilen Zeiten automatisch um und verändert die Risiko-Aufteilung, z.b. durch weniger Aktien, wenn die Börse einbricht. Verkauft Positionen mit erhöhtem Risikopotential automatisch Schützt vor Verlusten, führt zu entgangenen Gewinnen in volatilen Märkten. Seite 11
12 RegTechs Anomalien erkennen Seite 12
13 Führen Einfühlen Kreieren Einschätzen Beibringen Erklären Vorantreiben Verstärken Interagieren Unterstützen Transaktion Wiederholen Vorhersagen Anpassen War es das? Künstliche Intelligenz ist nicht nur Substitution! Mensch Die Missing Middle Maschine Nach: Daugherty et al., Human + Machine. Harvard Business, Seite 13
14 Führen Einfühlen Kreieren Einschätzen Beibringen Erklären Vorantreiben Verstärken Interagieren Unterstützen Transaktion Wiederholen Vorhersagen Anpassen Welches Potential hat KI in meinem Einflussbereich? Unterschiedliche Formen der Zusammenarbeit in unterschiedlichen Anwendungsfeldern Kundeninteraktion Sachbearbeitung Produktion Anomalie Erkennung Kundenkontakt Anlageberatung Kundensegmentierung Steuerberatung Produktionsplanung Wissensarbeit Kreativprozesse Außenhandelsfin anzierung Seite 14
15 Künstliche Intelligenz außer Kontrolle? Microsoft Tay, 2016 Microsoft Tay Microsoft Tay war ein Chatbot von Microsoft auf twitter, der Sprache und Tonalität einer 19jährigen lernen und imitieren sollte. Seite 15
16 Selbstverpflichtung Google AI Objectives for AI applications 1. Be socially beneficial. 2. Avoid creating or reinforcing unfair bias. 3. Be built and tested for safety. 4. Be accountable to people. 5. Incorporate privacy design principles. 6. Uphold high standards of scientific excellence. 7. Be made available for uses that accord with these principles. Seite 16
Artificial 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
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
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
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
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
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
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?
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
MehrChatbots. Wie Sie digitale Assistenten intelligent einsetzten können? by Sophie Hundertmark, Paixon GmbH
Chatbots Wie Sie digitale Assistenten intelligent einsetzten können? by Sophie Hundertmark, Paixon GmbH Einführung Was sind Chatbots? Ein Chatbot ist ein Softwaresystem, das mit einem menschlichen Benutzer
MehrVorlesung Digitale Bildverarbeitung Sommersemester 2013
Vorlesung Digitale Bildverarbeitung Sommersemester 2013 Sebastian Houben (Marc Schlipsing) Institut für Neuroinformatik Inhalt Crash-Course in Machine Learning Klassifikationsverfahren Grundsätzliches
MehrAlgorithmenalltag. Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering
Algorithmenalltag Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering Start reden (Begrüßung) vortragen Aufmerk-samkeit erlangt? kurze Pause machen Ende Algorithmen Was machen sie mit uns? Was sind
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
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.
Mehrder Turing Test und seine Varianten Woran erkennt man intelligentes Verhalten?
der Turing Test und seine Varianten Woran erkennt man intelligentes Verhalten? Turings Imitation Game [Turing Test] Version 1 Turings Imitation Game [Turing Test] Version 1 Version 2 Konversation im Imitation
Mehrin der Versorgungstechnik? Prof. Dr. Michael Krödel
Künstliche Intelligenz (KI) in der Versorgungstechnik? g Was ist KI? Künstliche Intelligenz (KI; engl. artificial i intelligence, AI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung
MehrVorlesung: Künstliche Intelligenz
Vorlesung: Künstliche Intelligenz - KI heute, KI morgen, KI übermorgen- D P LS G ML ES S ST SA NN ME O EA SV Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte
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?
MehrMaschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn
Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn 16. Januar 2014, überarbeitet am 20. Januar 2017 Übersicht Stand der Kunst: Bilderverstehen, Go spielen Was ist ein Bild in Rohform?
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
MehrProf. Dr. Lars Schmidt-Thieme. Schüler-Universität, 10. Mai 2012
Können Computer denken? Prof. Dr. Lars Schmidt-Thieme Information Systems and Machine Learning Lab (ISMLL) Institut für Informatik Universität Hildesheim Schüler-Universität, 10. Mai 2012 Lars Schmidt-Thieme,
MehrMaschinelles Lernen in der Medizintechnik
Maschinelles Lernen in der Medizintechnik Was ist möglich? ASTRUM IT GmbH Am Wolfsmantel 2 91058 Erlangen Dr. Jan Paulus Tel.: +49 9131 9408 339 jan.paulus@astrum-it.de Dr. Matthias Weidler Tel.: +49 9131
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
MehrEchtzeitfähige Algorithmen für markerloses Tracking und Umfelderkennung , Dr.-Ing. Steffen Herbort, A.R.T. GmbH
Echtzeitfähige Algorithmen für markerloses Tracking und Umfelderkennung 26.10.2016, TP 2: Arbeiten von A.R.T. TP2: Tracking und Umfelderkennung Markerloses Tracking texturierte Objekte Umfelderkennung
MehrETHISCHE ASPEKTE BEIM EINSATZ VON KI, MACHINE LEARNING UND DIGITALISIERTEN PROZESSEN HEUTE UND MORGEN
ETHISCHE ASPEKTE BEIM EINSATZ VON KI, MACHINE LEARNING UND DIGITALISIERTEN PROZESSEN HEUTE UND MORGEN KI als Mitarbeiter und Chef in der zukünftigen Arbeitswelt LEITFADEN DURCH DEN VORTRAG Die Entwicklung
MehrÜbersicht. Definition Daten Problemklassen Fehlerfunktionen
Übersicht 1 Maschinelle Lernverfahren Definition Daten Problemklassen Fehlerfunktionen 2 Entwickeln von maschinellen Lernverfahren Aufteilung der Daten Underfitting und Overfitting Erkennen Regularisierung
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
MehrKapitel 4: Data Mining DATABASE SYSTEMS GROUP. Überblick. 4.1 Einleitung. 4.2 Clustering. 4.3 Klassifikation
Überblick 4.1 Einleitung 4.2 Clustering 4.3 Klassifikation 1 Klassifikationsproblem Gegeben: eine Menge O D von Objekten o = (o 1,..., o d ) O mit Attributen A i, 1 i d eine Menge von Klassen C = {c 1,...,c
MehrSKOPOS Webinar 22. Mai 2018
SKOPOS Webinar 22. Mai 2018 Marktforschung 2020: Künstliche Intelligenz und automatische Text Analysen? Christopher Harms, Consultant Research & Development 2 So? Terminator Exhibition: T-800 by Dick Thomas
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
MehrKÜNSTLICHE INTELLIGENZ
KÜNSTLICHE INTELLIGENZ KI EVOLVE YOUR COMMUNICATION CALL WhatsApp APP CHAT SOCIAL MEDIA WEB Bis vor kurzem noch unter der Kategorie Science Fiction abgelegt, ist die Einbindung Künstlicher Intelligenz
MehrSeminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens
Seminar Künstliche Intelligenz WS 2013/14 Grundlagen des Maschinellen Lernens Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 19.12.2013 Allgemeine Problemstellung
MehrKünstliche Intelligenz
1. Juni, 2017 Künstliche Intelligenz Stand der Forschung, Aktuelle Probleme & Herausforderungen Prof. Dr. Roland Kwitt Fachbereich Computerwissenschaften Universität Salzburg Übersicht Begrifflichkeiten
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
Mehr«Digitalisierung und Arbeitsmarkt»
«Digitalisierung und Arbeitsmarkt» Wirtschaftsforum Binningen 2017 vom 23. Oktober 2017 Wirtschaftsforum Binningen 23.10.2017 Regula Ruetz metrobasel 1 Digitale Abstimmung www.kahoot.it Bitte geben Sie
MehrWas denken denkende Maschinen? WI-Award, Crowne Plaza Zürich, Thilo Stadelmann
Was denken denkende Maschinen? WI-Award, Crowne Plaza Zürich, 20.10.2016 Thilo Stadelmann Was? Wie? Wohin? 1 Was ist passiert? (Eine kurze Geschichte der letzten Monate) 2 3 4 5 6 7 Generierte Sprache
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrWer soll richten: Mensch oder Maschine? Ein konstruktiver Ansatz. Prof. Dr. K.A. Zweig TU Kaiserslautern Algorithm Accountability
Wer soll richten: Mensch oder Maschine? Ein konstruktiver Ansatz Prof. Dr. K.A. Zweig TU Kaiserslautern Algorithm Accountability Lab @nettwerkerin Konstituierende Sitzung der Enquete-Kommission Künstliche
MehrMaschinelles Lernen: Neuronale Netze. Ideen der Informatik Kurt Mehlhorn
Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn 16. Januar 2014, überarbeitet am 20. Januar 2017 Übersicht Stand der Kunst: Bilderverstehen, Go spielen Was ist ein Bild in Rohform?
MehrMotivation. Klassifikationsverfahren sagen ein abhängiges nominales Merkmal anhand einem oder mehrerer unabhängiger metrischer Merkmale voraus
3. Klassifikation Motivation Klassifikationsverfahren sagen ein abhängiges nominales Merkmal anhand einem oder mehrerer unabhängiger metrischer Merkmale voraus Beispiel: Bestimme die Herkunft eines Autos
MehrParrot v3. für Entscheider
Parrot v3 für Entscheider 1 Die Zeit ist jetzt. Chatbots gehören zweifelsohne zu den aufregendsten Buzzwords der modernen Marketinglandschaft. Viele Unternehmen ho!en, damit junge Zielgruppen dort anzusprechen,
MehrSeminarvortrag. Entscheidungsunterstützung durch KI Systeme
Seminarvortrag Entscheidungsunterstützung durch KI Systeme R E N E D R A L L E 03. 0 5. 20 1 8 K R E AT I V I TÄT U N D T E C H N I K S S 1 8 G R A E B E Inhalt Was ist Künstliche Intelligenz? Künstliche
MehrWissensentdeckung in Datenbanken
Wissensentdeckung in Datenbanken Deep Learning (II) Nico Piatkowski und Uwe Ligges Informatik Künstliche Intelligenz 25.07.2017 1 von 14 Überblick Faltungsnetze Dropout Autoencoder Generative Adversarial
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
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
MehrPotentiale der Digitalisierung Herausforderungen gestalten. Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut
Herausforderungen gestalten Prof. Dr. Christoph Meinel Dekan, Institutsdirektor und CEO Hasso-Plattner-Institut Herzlich Willkommen zur skonferenz Brandenburg 2018! Die Digitale Transformation ist, nach
MehrEinführung. Einführung in die Methoden der Künstlichen Intelligenz. Maschinelles Lernen. Lernen und Agenten. Beispiele
Einführung Einführung in die Methoden der Künstlichen Intelligenz Maschinelles Lernen Dr. David Sabel WS 2012/13 Direkte Programmierung eines intelligenten Agenten nicht möglich (bisher) Daher benötigt:
MehrMustererkennung und Klassifikation
Mustererkennung und Klassifikation WS 2007/2008 Fakultät Informatik Technische Informatik Prof. Dr. Matthias Franz mfranz@htwg-konstanz.de www-home.htwg-konstanz.de/~mfranz/heim.html Grundlagen Überblick
MehrKünstliche Intelligenz
Künstliche Intelligenz Donnerstag, 18. Oktober 2018, 13:15 bis 17:00 Uhr Auditorium Sihlhof, Zürich Künstliche Intelligenz verändert die Welt, die Wirtschaft, Ihr Unternehmen, Ihre Arbeit. Wie und wo Chancen
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
MehrTaktilsensorbasierte Steuerung von Roboterarmen zur Erstellung einer Haptischen Datenbank
Taktilsensorbasierte Steuerung von Roboterarmen zur Erstellung einer Haptischen Datenbank Matthias Schöpfer 1 Gunther Heidemann 2 Helge Ritter 1 1 {mschoepf,helge}@techfak.uni-bielefeld.de Technische Fakultät
MehrCombining Manual Feedback with Subsequent MDP Reward Signals for Reinforcement Learning W. Bradley Knox und Peter Stone
Combining Manual Feedback with Subsequent MDP Reward Signals for Reinforcement Learning W. Bradley Knox und Peter Stone 14.12.2012 Informatik FB 20 Knowlegde Engineering Yasmin Krahofer 1 Inhalt Problemstellung
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
MehrEinleitung und Intelligente Agenten MAS-Seminar - SS2008
Einleitung und Intelligente Agenten MAS-Seminar - SS2008 Daniel Kühn Dorothe Schneider Tessa-Karina Tews 17. April 2008 1 Einführung 1.1 Trends in der Geschichte der Berechnung Die Geschichte von Berechnung
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
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
Mehr1. Lernen von Konzepten
1. Lernen von Konzepten Definition des Lernens 1. Lernen von Konzepten Lernziele: Definitionen des maschinellen Lernens kennen, Klassifikationen des maschinellen Lernens kennen, Das Prinzip des induktiven
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
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
MehrBARRIEREFREIHEIT INKLUSIVE CHRIS HEILMANN A-TAG, WIEN, SEPTEMBER 2016
BARRIEREFREIHEIT INKLUSIVE CHRIS HEILMANN (@CODEPO8), A-TAG, WIEN, SEPTEMBER 2016 WILLKOMMEN IN ZUR VIERTEN INDUSTRIELLEN REVOLUTION https://en.wikipedia.org/wiki/july_revolution DAMPFMASCHINE DAMPFMASCHINE
MehrIndustrie Chance oder Risiko? Martin Botteck Prof. Dr.-Ing. Kommunikationsdienste und -anwendungen
Industrie 4.0 - Chance oder Risiko? Martin Botteck Prof. Dr.-Ing. Kommunikationsdienste und -anwendungen Industrielle Revolution, Version 4.0 Der Kongress im Jahr 2015: Worum geht es überhaupt? Kongress
MehrQuelle: Wikipedia.org. Roger Penrose. Fabian Pawlowski, Hendrik Borghorst, Simon Theler
Quelle: Wikipedia.org 1 Biografie 2 Grundlegende Fragen 3 Schwache und starke KI 4 Turing-Test 5 Chinesiches Zimmer 6 Bewusstsein 7 Gehirn 8 Turing-Maschine 9 Fazit Biografie Biografie geb.: 8.August 1931
MehrWarum wir mehr rückwärts lernen müssen.
Warum wir mehr rückwärts lernen müssen. KWB & Phoenix Contact Digitalisierung: Gemeinsam durch Bildung den Fortschritt gestalten! Catalin Voss @MyHumbleSelf catalin@cs.stanford.edu Heute: 1. Meine Lerngeschichte
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.
MehrMaschinelles Lernen: Symbolische Ansätze
Maschinelles Lernen: Symbolische Ansätze Wintersemester 2009/2010 Musterlösung für das 1. Übungsblatt Aufgabe 1: Anwendungsszenario Überlegen Sie sich ein neues Szenario des klassifizierenden Lernens (kein
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/
MehrIdeen und Konzepte der Informatik. Maschinelles Lernen. Kurt Mehlhorn
Ideen und Konzepte der Informatik Maschinelles Lernen Kurt Mehlhorn Übersicht Lernen: Begriff Beispiele für den Stand der Kunst Spamerkennung Handschriftenerkennung mit und ohne Trainingsdaten Gesichts-
MehrIntelligente Algorithmen Einführung in die Technologie
Intelligente Algorithmen Einführung in die Technologie Dr. KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft www.kit.edu Natürlich sprachliche
MehrLIVE IN FIVE: EINEN OMNIKANAL SERVICEDESK IN 5 TAGEN
LIVE IN FIVE: EINEN OMNIKANAL SERVICEDESK IN 5 TAGEN Dominique Jaritz Principal Consultant Business Development US & APAC Experte für KI orientierte digitale Transformation Dominique.Jaritz@thinkowl.com
MehrPROGNOS ANALYTICS KÜNSTLICHE INTELLIGENZ IN ECHTZEIT. Tanja Krüger,
PROGNOS ANALYTICS KÜNSTLICHE INTELLIGENZ IN ECHTZEIT Tanja Krüger, 04.05.2017 STECKBRIEF RESOLTO Gründung 2003 Geschäftsführende Gesellschafterin: Fokus: Mitarbeiter: Skalierung: Tanja Krüger Advanced
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
MehrKünstliche Intelligenz
Künstliche Intelligenz Dr. Claudia Schon schon@uni-koblenz.de Arbeitsgruppe Künstliche Intelligenz Universität Koblenz-Landau Organisatorisches Termine: an allen Dienstagen und Donnerstagen im September
MehrBusiness Intelligence & Machine Learning
AUSFÜLLHILFE: BEWEGEN SIE DEN MAUSZEIGER ÜBER DIE ÜBERSCHRIFTEN. AUSFÜHRLICHE HINWEISE: LEITFADEN MODULBESCHREIBUNG Business Intelligence & Machine Learning Kennnummer Workload Credits/LP Studiensemester
MehrInformation und Produktion. Rolland Brunec Seminar Wissen
Information und Produktion Rolland Brunec Seminar Wissen Einführung Informationssystem Einfluss des Internets auf Organisation Wissens-Ko-Produktion Informationssystem (IS) Soziotechnisches System Dient
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
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
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
MehrNamed Entity Recognition
Named Entity Recognition Janos Borst 13. November 2017 forum sachsen digital Beispiel (Zeitungsberichte) Händler sind künftig verpflichtet, Geräte, die kleiner sind als 25 Zentimeter etwa Handys, Computer,
MehrDENKEN 4.0 Wie wir im Zeitalter künstlicher Intelligenz und smarter Produkte denken müssen?
DENKEN 4.0 Wie wir im Zeitalter künstlicher Intelligenz und smarter Produkte denken müssen? IM FOKUS MEINER PRÄSENTATION Die Prinzipien Ein der Blick digitalen über den Transformation Tellerrand verstehen
MehrSemiüberwachte Paarweise Klassifikation
Semiüberwachte Paarweise Klassifikation Andriy Nadolskyy Bachelor-Thesis Betreuer: Prof. Dr. Johannes Fürnkranz Dr. Eneldo Loza Mencía 1 Überblick Motivation Grundbegriffe Einleitung Übersicht der Verfahren
MehrArbeit 4.0: Die Chancen nutzen Impulsvortrag von Dr. Josephine Hofmann, Fraunhofer IAO, Stuttgart
Arbeit 4.0: Die Chancen nutzen Impulsvortrag von Dr. Josephine Hofmann, Fraunhofer IAO, Stuttgart 6. Demografiekongress am 14. April 2016 in der IHK Frankfurt/Main Folie 1 Digitalisierung verändert Wertschöpfung
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
MehrEinführung in die Methoden der Künstlichen Intelligenz. Maschinelles Lernen
Einführung in die Methoden der Künstlichen Intelligenz Maschinelles Lernen Dr. David Sabel WS 2012/13 Stand der Folien: 14. Februar 2013 Einführung Direkte Programmierung eines intelligenten Agenten nicht
MehrNeue Trends und neue Möglichkeiten der datengetriebenen Versorgungsforschung
Neue Trends und neue Möglichkeiten der datengetriebenen Versorgungsforschung Hamburg 16.11.2016 Nmedia Fotolia Fraunhofer-Institut für Intelligente Analyseund Informationssysteme Fraunhofer IAIS - Wir
MehrKonzepte der AI: Maschinelles Lernen
Konzepte der AI: Maschinelles Lernen Nysret Musliu, Wolfgang Slany Abteilung für Datenbanken und Artificial Intelligence Institut für Informationssysteme, TU-Wien Übersicht Was ist Lernen? Wozu maschinelles
MehrSignaturen des Klimawandels (& des globalen Wandels) in Gewässern. Michael Hauhs Ökologische Modellbildung Universität Bayreuth
Signaturen des Klimawandels (& des globalen Wandels) in Gewässern Michael Hauhs Ökologische Modellbildung Universität Bayreuth Unterschied zum Effekt auf Biota und Gewässer Wirkungen des Klimawandels auf:
MehrDeep Blue. Hendrik Baier
Deep Blue Hendrik Baier Themen Matches Deep Blue Kasparov 1996/97 Faktoren von Deep Blues Erfolg Systemarchitektur Search Extensions Evaluationsfunktion Extended Book Vergleichstraining der Evaluationsfunktion
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
MehrBedeutung und Wesen starker Marken
Bedeutung und Wesen starker Marken Prof. Dr. Torsten Tomczak Chur, Dezember 2017 Eine klare Value Proposition Slide 2 Klare Value Proposition «Ich kaufe statt weil was bewiesen wird durch (Marke) (relevante
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
MehrInhaltliche Planung für die Vorlesung
Vorlesung: Künstliche Intelligenz - Mustererkennung - P LS ES S ST ME Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte der KI, PROLOG 2) Expertensysteme
MehrKünstliche Intelligenz im Fahrzeug
Künstliche Intelligenz im Fahrzeug Mittwoch, 20. September 2017 Stufen des automatisierten Fahrens Stufe 0 nur Fahrer Stufe 1 Assistiert Stufe 2 Teilautomatisiert Stufe 3 Hochautomatisiert Stufe 4 Vollautomatisiert
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
MehrProseminar: Geschichte des Computers Schachprogrammierung Die Digitale Revolution
Die Digitale Revolution Internet 3D-Drucker Quants Singularität 27.02.14 Johannes Polster Das Spiel der Könige Sehr altes Spiel: Entstehung vor 1500 Jahren Weltberühmt Strategisches Spiel Kein Glück, Intelligenz,
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
MehrDer digitale Bauch An- und Einsichten
Der digitale Bauch An- und Einsichten Prof. Dr. Elgar Fleisch ETH Zürich & Universität St. Gallen (HSG) KMU Tag St. Gallen, am 26. Oktober Der erste Start in die Künstliche Intelligenz 1991 Slide 2 Latzhosen,
MehrLehrangebot. Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr. N. Fuhr, U. Duisburg-Essen. Lehrangebot
Lehrangebot Fachgebiet Informationssysteme Prof. Dr. Norbert Fuhr N. Fuhr, U. Duisburg-Essen Lehrangebot 1 Lehrangebot des FG Informationssysteme Datenbanken Internet-Suchmaschinen Information Retrieval
MehrObjektmerkmale für die räumlich-spektrale Klassifikation
Objektmerkmale für die räumlich-spektrale Klassifikation AG Geomatik Geographisches Institut Ruhr-Universität Bochum AK Fernerkundung, Bochum 2012 Übersicht Ansatz zur automatischen Bildinterpretation:
MehrKünstliche Intelligenz
Künstliche Intelligenz Dr. Claudia Schon schon@uni-koblenz.de Institute for Web Science and Technologies Universität Koblenz-Landau Organisatorisches Termine: Jeweils von 14:00-15:30 Uhr und 15:45-17:15
MehrEntwicklung und Einsatz von Expertensystemen
Karl Kurbel Entwicklung und Einsatz von Expertensystemen Eine anwendungsorientierte Einführung in wissensbasierte Systeme Mit 46 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo
Mehr