Artificial Intelligence. Deep Learning Neuronale Netze
|
|
- Busso Lenz
- vor 6 Jahren
- Abrufe
Transkript
1 Artificial Intelligence Deep Learning Neuronale Netze
2 REVOLUTION
3 Lernende Maschinen Mit lernenden Maschinen/Deep Learning erleben wir aktuell eine Revolution in der Informationsverarbeitung. Neue Methoden in der künstlichen Intelligenz mit neuronalen Netzen sogen für den lang erhofften Durchbruch in der Bilderkennung, der Sprachverarbeitung oder auch der Business-Intelligenz. Deep Learning wird die Welt grundlegend verändern: sie lässt Autos selbstständig fahren, erkennt Personen auf Bildern oder sorgt dafür, dass Youtube geschützte Musiktitel in Videos aufspürt. Klassischerweise wird für jede Problemstellung ein spezieller Algorithmus benötigt; er löst eine Problematik mit der vom Programmierer hinterlegten Struktur. Anders beim Deep Learning: immer derselbe Algorithmus erlernt an Hand tausenden Beispielen, ein Problem zu lösen. Aussagekräftige Datenmengen big data sind die Grundlage, mit der neuronale Netze angelernt werden. Damit lassen sich nach der Lernphase Probleme lösen, deren Lösungsstruktur man bislang nicht kennt.
4 Funktionsweise Künstliche neuronale Netze lernen ähnlich unserem Gehirn Probleme zu lösen. In künstlichen neuronalen Netzen entsprechen die Knoten (in der Darstellung unten Kreise) den Neuronen und die Kanten (Linien zwischen den Kreisen) den Synapsen unseres Gehirns. Das noch nicht angelernte neuronale Netz ist dumm, alle Knoten innerhalb des Netzes haben die gleiche Wertigkeit. 1 2 Um das neuronale Netz anlernen zu können werden Daten benötigt, zum Beispiel vier Kombinationen. Diese Kombinationen soll das Netz später erkennen können Lernphase Dem Netz werden nun die bekannten Daten gezeigt, das ungelernte Netz wird zufällig ein falsches oder richtiges Ergebnis anzeigen. schwächen bestärken Da bei den Testdaten bekannt ist, ob sie richtig oder falsch sind, kann das Ergebnis des Netzes bewertet werden. Hat das Netz ein falsches Ergebnis erzeugt, so werden die entsprechenden Knoten geschwächt. Ist das Ergebnis richtig, werden die Konten bestärkt. Mit jedem Lernschritt verändert sich das neutonale Netz. Die Lernphase ist beendet, wenn die Ergebnisse stabil sind. 1 2 Anwendungsphase 3 4 Die Erkennungsrate lässt sich bei komplexen Aufgaben wie der Bildanalyse mittels Deep Learning verbessern. Beim Deep Learning wird die Lösung in einzelnen Schritten erreicht, dabei stellt jeder Schritt eine Reduzierung der Komplexität dar.
5 Big Data Consulting Das größte Potenzial für den Einsatz künstlich intelligente Systeme schlummert in den Unternehmen selber. Es sind die Daten, die sich über Jahre angesammelt haben. Beispielsweise wurden in den letzten Jahren Tausende von Computertomographien angefertigt. Genau diese bestehenden Tomographien und deren Diagnosen stellen die Grundlage für automatische Diagnoseverfahren zur Verfügung. Deep Learning Lösungen Die Güte einer Lösung mittels neuronaler Netze hängt grundlegend von der Güte der Daten ab. Somit ist eine Problemlösung, die auf ihren Daten basiert, auch eine Lösung, die ihre Handschrift trägt. Wir entwickeln zusammen mit Ihnen Ihr individuelles neuronales Netzwerk. Mit diesem Netzwerk können Sie Prozesse in Ihrem Sinne verbessern und automatisieren. Seminare und Workshops Neuronale Netze und Deep Learning sind sehr neue Themen. Wir bieten Ihnen qualifizierte Schulungsmaßnahmen an, um sich selber in diesen Thematiken fit für die Zukunft zu machen. Wir bieten sowohl spezielle Seminare für den Entscheider an, in denen die Potenziale der neuen Technologie für Unternehmen aufgezeigt werden, als auch spezielle Workshops für Praktiker an, die später in Ihrem Unternehmen als Daten Scientists arbeiten.
6 Geräusch- & Sprach-Analyse Mittels neuronaler Netze lassen sich Geräusche und Sprache analysieren. Bei der Sprachanalyse wurden große Fortschritte gemacht. So kann Sprache auch in ungünstigen Umgebungen (Störgeräusche) sicher analysiert werden. Es muss nicht immer Sprache sein - auch das Geräusch einer Maschine kann analysiert werden. Das neuronale Netz kann feststellen, ob eine Maschine korrekt arbeitet, ähnlich wie ein guter Mechaniker am Geräusch des Motors den Fehler erkennt. Objekterkennung Neuronale Netze eignen sich bestens,um Bilder zu analysieren, um Strukturen oder Objekte in diesen Bildern zu erkennen. Damit eröffnen sich neue Möglichkeiten nicht nur im Bereich der Produktion oder der Sicherheit. Wichtig ist, damit das Netz eine Situation erlernen kann, dass hinreichend viele aussagekräftige Beispieldaten zur Verfügung stehen (Big Data).
7 Deep Learning in der Medizin Es geht um die zweite Meinung, um die Absicherung einer Diagnose. Mittels neuronaler Netze lassen sich Bilder, wie zum Beispiel Computertomografien, auf strukturelle Veränderungen im Gewebe analysieren. Damit wird es erstmals möglich, medizinische Diagnosen, die bislang nur der Mensch erstellen konnte, zu automatisieren. Data Mining Die Stärke neuronaler Netze liegt darin, Zusammenhänge zu erkennen, die bislang nicht sichtbar waren. Mit dem Wissen aus alten bekannten Sachverhalten (Aktion und Wirkung) wird ein neuronales Netz so trainiert, dass es in der Zukunft möglich ist, neue Situationen zu analysieren, um dann Aussagen über die Zukunft zu treffen. Diese Fähigkeit hat insbesondere im betriebswirtschaftlichen Umfeld große Bedeutung - denken Sie nur an die Vorhersage von Aktienkursen.
8 Stimmungen automatisch erkennen Sentiment Analysis
9 Was man im Netz über Sie denkt Für die meisten Firmen oder Organisationen ist es wichtig, was man über sie als Organisation denkt, ob man negativ oder positiv über sie berichtet bzw. ob in den sozialen Medien positive oder negative Aussagen getroffen werden. Diese Analyse ist aufwändig und kostspielig. Deep Learning bietet hier eine sehr gute Lösungsmöglichkeit: trainiert man ein neuronales Netz so, dass es zwischen positiven und negativen Aussagen unterscheiden kann, so können die im Internet über Sie veröffentlichten Aussagen automatisch bewertet werden. Man verbindet diese Bewertungsfunktion mit einer Funktion, die das Netz nach Aussagen über Sie durchsucht. So erhalten Sie ein automatisches Analysetool. Dieses Tool wird als Sedimentanalyse oder Net- Sedimentanalyse bezeichnet. Durch die Einstufung einer relevanten, also aussagekräftigen Menge von Statements als negative, neutrale oder positive Aussage wird ein zuverlässiger Durchschnittswert ermittelt. Dieser Wert gibt Ihnen die Möglichkeit, gegebenenfalls erforderliche Maßnahmen zu ergreifen. Big Data Die Funktionsweise eines neuronalen Netzes basiert darauf, dass das Netz mit bekannten Sachverhalten angelernt wird, um einen Lerneffekt zu erreichen. Dafür sind große Mengen an Beispielen (Eingaben, deren Ergebnis man kennt) notwendig. Eine wichtige Aufgabe im Rahmen des Deep Learning ist es, geeignete Daten zur Verfügung zu stellen. Dazu gehört nicht nur die Speicherung der Daten, sondern auch die Konvertierung der Daten in eine nutzbare Form.
10 Deep Learning für Entscheider Deep Learning Chancen und Risiken für Unternehmen: Aufzeigen strategischer Potenziale, die sich durch den Einsatz von künstlicher Intelligenz im Unternehmen ergeben, Aufbau einer Deep Learning Stabsstelle oder Abteilung im Unternehmen. Mechanismen der KI Wie funktioniert künstliche Intelligenz (KI)? Welche Rolle spielt Big Data im Zusammenhang mit künstlicher Intelligenz? Wie werden neuronale Netze geschult und aufgebaut? Welche Tools und Algorithmen sind im Zusammenhang mit Deep Learning hilfreich? lernende-maschinen.de Deep Learning für Praktiker Vom Entwurf eines neuronalen Netzes bis zur praktischen Umsetzung. Funktionsweisen unterschiedlicher neuronaler Netzstrukturen in der Praxis. Wo können relevante Daten gewonnen werden und wie müssen sie aufgearbeitet werden, um in neuronalen Netzen verarbeitet werden zu können? TensorFlow Funktionsweisen und Stärken der Google Maschine. Einführung in die Programmiersprache und Umsetzung eigener Beispiele mit Python und TensorFlow. Realisierung eines kleinen eigenen neuronalen Netzes.
11 TensorFlow Die KI-Maschine von Google als Basis für Deep Learning Lösungen Googles TensorFlow ist ein neues Machine-Learning- System. Über eine Open-Source-Software-Library kann das Tool kostenlos genutzt werden. TensorFlow ist die nächste Generation von Googles Machine-Learning- System DistBelief. Das System kommt bei Google intern zur Lösung vieler Aufgabestellungen zum Einsatz, zum Beispiel bei der Verbesserung von Spracherkennung in den Google-Apps oder für die automatische Erkennung und Zuordnung von Fotos und Videos auf YouTube. Google sagt, dass neue System ist doppelt so schnell wie ältere KI-Maschinen und vor allem ist es flexibler. Es ist auf Smartphones und in Data-Centern lauffähig.
12 Seminare für Entscheider und Praktiker Anwender orientierte Forschung und Entwicklung Deep Learning Strategien und Produktionen für Unternehmen m michael-morgenroth.de michael-morgenroth.de Artificial Intelligence
Kamera-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,
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
MehrMaschinelles Lernen: Neuronale Netze. Ideen der Informatik
Maschinelles Lernen: Neuronale Netze Ideen der Informatik Kurt Mehlhorn Adrian Neumann 16. Januar 2014 Übersicht Biologische Inspiration Stand der Kunst in Objekterkennung auf Bildern Künstliche Neuronale
MehrBertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren
Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren Regensburg, 18.05.2017, Ulrich Haböck Bertrandt Ingenieurbüro GmbH Maschinelles Lernen für Autonomes Fahren 0 Agenda Grundlagen Machine
MehrEinführung in die Computerlinguistik
Einführung in die Computerlinguistik Neuronale Netze WS 2014/2015 Vera Demberg Neuronale Netze Was ist das? Einer der größten Fortschritte in der Sprachverarbeitung und Bildverarbeitung der letzten Jahre:
MehrVon lernenden Programmen und schlauen Geräten
Von lernenden Programmen und schlauen Geräten Stadtmuseum Tübingen, 12.10.2017, Ausstellung Roboter Georg Ludwig Verhoeven Integrata-Stiftung für humane Nutzung der Informationstechnologie Jede hinreichend
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
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,
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
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
MehrBACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON
BACKPROPAGATION & FEED-FORWARD DAS MULTILAYER PERZEPTRON EINFÜHRUNG IN KÜNSTLICHE NEURONALE NETZE Modul Leitung Technischer Datenschutz und Mediensicherheit Nils Tekampe Vortrag Jasmin Sunitsch Abgabe
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
MehrSeminare. Geschäftsmodelle und Technologien der digitalen Welt. Digitalisierung für den Mittelstand
Seminare Geschäftsmodelle und Technologien der digitalen Welt Digitalisierung für den Mittelstand Nutzen Sie die richtigen digitalen Technologien, um wettbewerbsfähig zu bleiben? Virtual & Augmented Reality
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,
MehrNeuronale Netze. Christian Böhm.
Ludwig Maximilians Universität München Institut für Informatik Forschungsgruppe Data Mining in der Medizin Neuronale Netze Christian Böhm http://dmm.dbs.ifi.lmu.de/dbs 1 Lehrbuch zur Vorlesung Lehrbuch
MehrMethoden, Chancen und Risiken beim Auswerten großer Datenmengen
Methoden, Chancen und Risiken beim Auswerten großer Datenmengen Peter Dauscher Gymnasium am Kaiserdom, Speyer peter dauscher gak speyer de Data-Mining in der Schule - Eine Annäherung
MehrErkennung menschlicher Aktionen durch Inferenz stochastischer regulärer Grammatiken
BTU Cottbus Seminar "Mustererkennung mit syntaktischen und graphbasierten Methoden" Wintersemester 2006/2007 Vortrag zum Thema: Erkennung menschlicher Aktionen durch Inferenz stochastischer regulärer Grammatiken
MehrDas Studium im Fach Informatik
[Projekttage Studien- und Berufsorientierung der Jgst. 12] Fachbereich Informatik Fakultät für Mathematik und Informatik FernUniversität Hagen 17. Februar 2009 Was Informatik nicht ist Was ist Informatik?
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
MehrDatenorientierte SA. Aufbau und Grundlagen. Aufbau und Grundlagen. Aufbau und Grundlagen. Was sind neuronale Netze?
Datenorientierte SA Was sind neuronale Netze? Neuronale Netze: Grundlagen und Anwendungen Neuronale Netze bilden die Struktur eines Gehirns oder eines Nervensystems ab Andreas Rauscher 0651993 Damir Dudakovic
MehrKünstliche Neuronale Netze
Künstliche Neuronale Netze als Möglichkeit, einer Maschine das Lesen beizubringen Anja Bachmann 18.12.2008 Gliederung 1. Motivation 2. Grundlagen 2.1 Biologischer Hintergrund 2.2 Künstliche neuronale Netze
Mehr(Thema) Optimierung von künstlichen neuronalen Netzen zur Ausfallvorhersage mit Sensordaten. Masterarbeit
(Thema) Optimierung von künstlichen neuronalen Netzen zur Ausfallvorhersage mit Sensordaten Masterarbeit zur Erlangung des akademischen Grades Master of Science (M.Sc.) im Studiengang Wirtschaftsingenieur
Mehrkurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.
kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Übersicht Neuronale Netze Motivation Perzeptron Grundlagen für praktische Übungen
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
Mehr1.3.5 Clinical Decision Support Systems
Arzneimitteltherapie Thieme Verlag 1.3.5 Clinical Decision Support Systems Marco Egbring, Stefan Russmann, Gerd A. Kullak-Ublick Im Allgemeinen wird unter dem Begriff Clinical Decision Support System (CDSS)
MehrAutomatische Klassifikation: Stand der Technik und Veränderungen im Berufsbild des Dokumentars. Automatische Klassifikation:
02. Mai 2005 P R O J E C T C O N S U L T GmbH GmbH 1 Agenda Einführung Automatische Klassifikation Qualität Veränderung des Arbeitsumfeldes Ausblick GmbH 2 1 Einführung GmbH 3 Eine Herausforderung geordnete
MehrTowards Automated Analysis of Business Processes for Financial Audits
Towards Automated Analysis of Business Processes for Financial Audits Michael Werner Universität Hamburg michael.werner@wiso.uni hamburg.de Max Brauer Allee 60 22765 Hamburg StB Prof. Dr. Nick Gehrke Nordakademie
MehrSuchmaschinenoptimierungen / SEO
Für starkes Marketing Suchmaschinenoptimierungen / SEO Kostenlose Erstberatung Umfassende Lösungen Hohe Funktionalität Optimale Suchergebnisse Professionelle Betreuung Wir machen Ihre Webseite für Suchmaschinen
MehrData Mining Künstliche Neuronale Netze vs. Entscheidungsbäume
Data Mining Künstliche Neuronale Netze vs. Entscheidungsbäume Grundseminar HAW Master Informatik 18.04.2017 Inhaltsübersicht Data Mining & Begriffswelt des Data Mining Klassifikation & Klassifikatoren
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
MehrFünf Schritte zu skalierbaren Self-Service-Analysen. Self-Service-Daten sind mehr als nur ein Trend. Sie sind eine neue Norm.
Fünf Schritte zu skalierbaren Self-Service-Analysen Self-Service-Daten sind mehr als nur ein Trend. Sie sind eine neue Norm. Die Datenrevolution hat begonnen. Und Self-Service-Analysen sind zur Selbstverständlichkeit
MehrKnow How. Training. Community. Optionen handeln. Optionen verstehen Optionen trainieren Tools. Start Psyche. Regelwerk ADX. Call.
Open Interest ADX Option Know How Club Optionen verstehen Optionen trainieren Tools Training Optionen handeln Start Psyche Call Regelwerk Hedge Put Traden bzw. Optinen kann man nicht an einem Tag erlernen
MehrEin selbstmodellierendes System für die Wasserwirtschaft
Ein selbstmodellierendes System für die Wasserwirtschaft Dipl.-Ing. Dr. ANDRADE-LEAL Wien, im Juli 2001 1 Einleitung, Motivation und Voraussetzungen Künstliche Intelligenz Neuronale Netze Experte Systeme
MehrWas ist Informatik? Alexander Lange
Was ist Informatik? Was ist Informatik? Alexander Lange 12.11.2003 Was ist Informatik? Inhalt 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Das Wort»Informatik«Die Idee Teilgebiete der Informatik Technische Informatik
MehrModulliste. für den Bachelorstudiengang. Wirtschaftsinformatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Bachelorstudiengang Wirtschaftsinformatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Sommersemester 2017 Der Bachelorstudiengang Wirtschaftsinformatik
MehrVorlesung. Data und Web Mining. Kurzinformation zur. Univ.-Prof. Dr. Ralph Bergmann. Lehrstuhl für Wirtschaftsinformatik II
Kurzinformation zur Vorlesung Data und Web Mining Univ.-Prof. Dr. Ralph Bergmann www.wi2.uni-trier.de - I - 1 - Die Ausgangssituation (1) Unternehmen und Organisationen haben enorme Datenmengen angesammelt
MehrTD-Gammon. Michael Zilske
TD-Gammon Michael Zilske zilske@inf.fu-berlin.de TD-Gammon Ein Backgammon-Spieler von Gerald Tesauro (Erste Version: 1991) TD-Gammon Ein Neuronales Netz, das immer wieder gegen sich selbst spielt und dadurch
MehrDIE NÄCHSTE GENERATION DER INFRASTRUKTURPLANUNG
DIE NÄCHSTE GENERATION DER INFRASTRUKTURPLANUNG Neue Wege zur besseren Planung und Bauausführung 3 MINUTEN LESEZEIT EINFÜHRUNG 2 Mit BIM der nächsten Generation können Sie Unklarheiten und Ineffizienzen
MehrBig Data Analytics Mit Daten Vorhersagen treffen Dr. Thomas Keil, SAS,
Big Data Analytics Mit Daten Vorhersagen treffen Dr. Thomas Keil, SAS, 8.5.2017 SAS und Heidelberg 14.000 Mitarbeiter weltweit, etwa 380 davon in Heidelberg (seit 1982 hier) 3,2 Mrd. $ Umsatz weltweit,
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
MehrBig Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr.
Big Data im Call Center: Kundenbindung verbessern, Antwortzeiten verkürzen, Kosten reduzieren! 25.02.2016 Sascha Bäcker Dr. Florian Johannsen AGENDA 1. Big Data Projekt der freenet Group Dr. Florian Johannsen
MehrOperational Big Data effektiv nutzen TIBCO LogLogic. Martin Ulmer, Tibco LogLogic Deutschland
Operational Big Data effektiv nutzen TIBCO LogLogic Martin Ulmer, Tibco LogLogic Deutschland LOGS HINTERLASSEN SPUREN? Wer hat wann was gemacht Halten wir interne und externe IT Richtlinien ein Ist die
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
MehrAlgorithmen für Computerspiele
Algorithmen für Computerspiele Künstliche Intelligenz von Manuel Bischof 3. Mai 2010 Gliederung Einleitung Was umfasst die KI? Nutzung in verschiedenen Genres Wo sind Verbesserungen notwendig? Möglichkeiten,
MehrIndustrie 4.0 Was ist das? Eine kleine Betrachtung
Eine kleine Betrachtung Eine kleine Betrachtung Die industrielle Revolutionen: Eine kleine Betrachtung Die industrielle Revolutionen: 1. Revolution: Erfindung der Dampfmaschine von James Watt Eine kleine
MehrEndpoint Security Webinare 16. /21. März 2017
KÜNSTLICHE INTELLIGENZ. REALER SCHUTZ. JAN TIETZE SENIOR SE ANTIVIRUS FUNKTIONIERT DOCH BESTENS. ODER? Zwei Drittel der AV-Lösungen bieten perfekten Schutz! Test: >99% Wirksamk eit 33% Test:
MehrProzesse einfach modellieren und verständlich publizieren
Prozesse einfach modellieren und verständlich publizieren Qualität im Dialog Hamburg Industrie 4.0 Im Prozessmanagement Umfeld 2 Herzlich Willkommen zur Präsentation Dipl.-Ing. Marco Idel Geschäftsführender
MehrKünstliche Intelligenz im Selbstversuch
Wissenschaftsreportage WS 2016/2017 TU Kaiserslautern Künstliche Intelligenz im Selbstversuch Auch wenn uns lernende Maschinen als schwarze Magie erscheinen; am Ende funktionieren sie auch nur mit Mathe!
MehrKünstliche Intelligenz
Künstliche Intelligenz Intelligente Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 26. Oktober 2011 Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten
MehrKünstliche Neuronale Netze
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Künstliche Neuronale Netze Hauptseminar Martin Knöfel Dresden, 16.11.2017 Gliederung
MehrKünstliche Intelligenz: Der Ab lug verspätet sich
Künstliche Intelligenz: Der Ab lug verspätet sich Keyfacts über KI - KI spielt in Unternehmen eine untergeordnete Rolle - Viele Unternehmen sehen derzeit keine Anwendungsfälle - KI dürfte künftig ein wichtiger
MehrNeuronale Netze selbst programmieren
D3kjd3Di38lk323nnm Neuronale Netze selbst programmieren Ein verständlicher Einstieg mit Python Tariq Rashid Deutsche Übersetzung von Frank Langenau Tariq Rashid Lektorat: Alexandra Follenius Übersetzung:
MehrDISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN. Nr. 374
DISKUSSIONSBEITRÄGE DER FAKULTÄT FÜR BETRIEBSWIRTSCHAFTSLEHRE MERCATOR SCHOOL OF MANAGEMENT UNIVERSITÄT DUISBURG-ESSEN Nr. 374 Eignung von Verfahren der Mustererkennung im Process Mining Sabrina Kohne
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
MehrEntwicklung einer Anwendung für die Microsoft HoloLens
Entwicklung einer Anwendung für die Microsoft HoloLens Lehrstuhl für Eingebettete Systeme der Informationstechnik (ESIT) Entwicklung einer Anwendung für die Microsoft HoloLens Betreuer: Florian Fricke
MehrGP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness
GP-Music: An Interactive Genetic Programming System for Music Generation with Automated Fitness Raters Brad Johanson, Riccardo Poli Seminarvortrag von Thomas Arnold G ˇ ˇ ˇ ˇ WS 2012/13 TU Darmstadt Seminar
Mehrintegrat Know-How und Lösungen für Industrie 4.0 und IoT
integrat Know-How und Lösungen für Industrie 4.0 und IoT Services SMART Factory Strategy it Determinism Supplier Connected Objects Industrial Internet of Things Analytics Efficiency Big Data SoluTIons
MehrIntelligenz in Datenbanken. Dr. Stefan Freundt Star512 Datenbank GmbH. star512 datenbank gmbh
Intelligenz in Datenbanken Dr. Stefan Freundt Star512 Datenbank GmbH Einleitung Definition von Business! Definition von Intelligenz? Künstliche Intelligenz: Motivation Schach erfordert Intelligenz ==>
MehrSMART INFORMATION MANAGEMENT
SMART INFORMATION MANAGEMENT DIE RICHTIGE INFORMATION ZUR RICHTIGEN ZEIT ZUR RICHTIGEN PERSON AUF EINEM BELIEBIGEN ENDGERÄT QUICK FACTS UNSERE MISSION Empolis-Lösungen befähigen Unternehmen und Organisationen,
MehrVortrag im Rahmen der Vorlesung Data Warehouse Dozentin: Prof. Dr. Frey-Luxemburger WS 2011/2012. Referent: Florian Kalisch (GR09)
Vortrag im Rahmen der Vorlesung Data Warehouse Dozentin: Prof. Dr. Frey-Luxemburger WS 2011/2012 Referent: Florian Kalisch (GR09) Rückblick Aktueller Status Opinion Mining Einführung Einblicke Nächste
MehrWie halten neue Technologien Einzug in unser Leben und welche Auswirkungen kann dies haben?
Wie halten neue Technologien Einzug in unser Leben und welche Auswirkungen kann dies haben? Prof. Dr. (TU NN) Norbert Pohlmann Institut für Internet-Sicherheit if(is) Westfälische Hochschule, Gelsenkirchen
Mehrbrand design Mache deinen Kunden zum Fan.
» Kunden kaufen keine Produkte, sie kaufen Emotionen! «Jochen Koop, CEO brand design Mache deinen Kunden zum Fan. Wir sind Unternehmensentwickler. Wir schaffen maßgeschneiderte Lösungen. Früher oder später
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
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
MehrInfo für Lehrkräfte. Vorbereitung auf den Kurs: < Rund um Daten />
Info für Lehrkräfte Vorbereitung auf den Kurs: < Rund um Daten /> < Überblick /> Liebe Lehrkräfte, wir möchten Sie gern auf den Kurs vorbereiten und haben die wichtigsten Informationen nachfolgend für
MehrKünstliche Intelligenz
1. Juni, 2017 Künstliche Intelligenz Stand der Forschung, Aktuelle Probleme & Herausforderungen Prof. Dr. Roland Kwitt Fachbereich Computerwissenschaften Universität Salzburg Übersicht Begrifflichkeiten
MehrMEGA-TRENDS AUS DEM SILICON VALLEY UND WIE SIE UNSER LEBEN VERÄNDERN. Dr. Tu-Lam Pham.
MEGA-TRENDS AUS DEM SILICON VALLEY UND WIE SIE UNSER LEBEN VERÄNDERN Dr. Tu-Lam Pham www.digital-iq.de pham@digital-iq.de TRAINING & CONSULTING @tulampham ÜBER DIGITAL IQ EXPERTISE LEISTUNGEN DR. TU-LAM
MehrRheinisch Westfälische Technische Hochschule Aachen Lehr- und Forschungsgebiet Informatik 4 Prof. Dr. Ing. Felix Freiling. Seminar: SeVVes 2006
Rheinisch Westfälische Technische Hochschule Aachen Lehr- und Forschungsgebiet Informatik 4 Prof. Dr. Ing. Felix Freiling Seminar: SeVVes 2006 alternative Authentifizierungsverfahren: Passfaces & CAPTCHAs
MehrWie verändern Digitalisierung und technischer Fortschritt Qualifikationsprofile?
Wie verändern Digitalisierung und technischer Fortschritt Qualifikationsprofile? NIK Netzwerk für Innovation und Kooperation Dr.-Ing. Robert Couronné NIK e.v. Geschäftsführung Überblick Motivation Digitalisierung
MehrTUD Computer Poker Challenge
TUD Computer Poker Challenge The Challenge of Poker Björn Heidenreich 31. März 2008 The Challenge of Poker Björn Heidenreich 1 Anforderungen an einen guten Poker-Spieler Hand Strength Hand Potential Bluffing
MehrPRESSEMITTEILUNG. enercast city - Erneuerbare Energie sichtbar machen
enercast city - Erneuerbare Energie sichtbar machen Kassel, 31.10.2012 - Mit der Energiewende erhalten die erneuerbaren Energien einen größeren Stellenwert bei der Versorgung der Bevölkerung mit elektischer
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
MehrExplosionsartige Zunahme an Informationen. 200 Mrd. Mehr als 200 Mrd. E-Mails werden jeden Tag versendet. 30 Mrd.
Warum viele Daten für ein smartes Unternehmen wichtig sind Gerald AUFMUTH IBM Client Technical Specialst Data Warehouse Professional Explosionsartige Zunahme an Informationen Volumen. 15 Petabyte Menge
MehrWas ist eigentlich ein Google Konto?
21. November 2016 Was ist eigentlich ein Google Konto? Rund um die Benutzung von Computer, Smartphone oder Tablet gibt es verschiedene Konten, also Zugänge, die immer wieder eine Rolle spielen, dazu gehört
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/
MehrKünstliche Intelligenz
Künstliche Intelligenz Achim Berg Bitkom-Präsident Berlin, 15. November 2017 Goldmund-Lukic Stocksy United Künstliche Intelligenz ist Mehrheit der Bundesbürger ein Begriff Haben Sie schon einmal von dem
Mehrkurze Wiederholung der letzten Stunde: Neuronale Netze Dipl.-Inform. Martin Lösch (0721) Dipl.-Inform.
kurze Wiederholung der letzten Stunde: Neuronale Netze martin.loesch@kit.edu (0721) 608 45944 Labor Wissensrepräsentation Aufgaben der letzten Stunde Übersicht Neuronale Netze Motivation Perzeptron Multilayer
MehrNOW YOU KNOW [ONTOS TM WHITE PAPER SERIES] Intelligentes Information Mining durch Ontologie [YVES BRENNWALD, ONTOS INTERNATIONAL AG]
NOW YOU KNOW [ SERIES] Intelligentes Information Mining durch Ontologie [YVES BRENNWALD, ONTOS INTERNATIONAL AG] 001 Information Mining Wissen in unstrukturierten Daten aufdecken Information Mining ist
MehrDigitale Transformation in HR per App zur internen Karriere. Köln,
Digitale Transformation in HR per App zur internen Karriere Köln, 09.11.2017 WAS WIR KÖNNEN Wir bringen die PS auf die Straße. Unsere Mission ist Enforcing Performance. Corporate Offices (CxO) Branchen
MehrHerzlich Willkommen. Spielstrategien. gehalten von Nils Böckmann
Herzlich Willkommen Spielstrategien gehalten von Nils Böckmann Agenda 1. Einführung 2. Problemstellung 3. Abgrenzung 4. Zielstellung / grober Überblick 5. Vorstellen der Konzepte 1. Umgebungslogik 2. Spielbäume
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
MehrKonzepte der AI Neuronale Netze
Konzepte der AI Neuronale Netze Franz Wotawa Institut für Informationssysteme, Database and Artificial Intelligence Group, Technische Universität Wien Email: wotawa@dbai.tuwien.ac.at Was sind Neuronale
MehrEntwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion
Entwicklung einer Entscheidungssystematik für Data- Mining-Verfahren zur Erhöhung der Planungsgüte in der Produktion Vortrag Seminararbeit David Pogorzelski Aachen, 22.01.2015 Agenda 1 2 3 4 5 Ziel der
MehrPROCESSING EINE EINFÜHRUNG IN DIE INFORMATIK. Created by Michael Kirsch & Beat Rossmy
PROCESSING EINE EINFÜHRUNG IN DIE INFORMATIK Created by Michael Kirsch & Beat Rossmy INHALT 1. Einleitung 1. Ziele 3. Anwendung 1. Sprung ins kalte Wasser 2. Der Informatiker Ein Klischee 2. Wir basteln
MehrVorteile einer Tool gestützten Modernisierung von Forms und Reports
Vorteile einer Tool gestützten Modernisierung von Forms und Reports Schlüsselworte Forms, Reports, Modernisierung, Tools, Weblogic Einleitung Jan-Peter Timmermann Pitss GmbH Stuttgart Mit diesem Vortrag
MehrEine kleine Einführung in neuronale Netze
Eine kleine Einführung in neuronale Netze Tobias Knuth November 2013 1.2 Mensch und Maschine 1 Inhaltsverzeichnis 1 Grundlagen neuronaler Netze 1 1.1 Kopieren vom biologischen Vorbild...... 1 1.2 Mensch
MehrBig Data Herausforderungen und Chancen für Controller. ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC
Big Data Herausforderungen und Chancen für Controller ICV Jahrestagung, 19.05.2014 Dr. Carsten Bange, Gründer und Geschäftsführer BARC BARC: Expertise für datengetriebene Organisationen Beratung Strategie
MehrMobile Business Apps Fluch oder Segen? Markus Troxler Edorex Informatik AG
Mobile Business Apps Fluch oder Segen? Markus Troxler Edorex Informatik AG Inhalt - Fokus Fluch (Gefahr) oder Segen (Chance) für: Die Firmen welche die Apps nutzen. Nicht im Fokus: Hersteller von Apps
MehrBei Managementberatungen besteht Aufholbedarf in der. Einsatz analytischer Software wichtiger Erfolgsfaktor für
PRESSE-INFORMATION MB- 17-11- 16 CONSULTING 4.0: DATA ANALYTICS VERÄNDERT DIE BERATUNGSWELT Bei Managementberatungen besteht Aufholbedarf in der Nutzung von Business-Intelligence-Software Einsatz analytischer
MehrTheoretische Informatik 1
Theoretische Informatik 1 Boltzmann Maschine David Kappel Institut für Grundlagen der Informationsverarbeitung TU Graz SS 2014 Übersicht Boltzmann Maschine Neuronale Netzwerke Die Boltzmann Maschine Gibbs
MehrWachsende Investitionen für ein digitales Deutschland
Wachsende Investitionen für ein digitales Deutschland Keyfacts über CEO-Outlook 2017 - Investitionen in digitale Technologien steigen an - Budgets für kognitive Technologien und D&A wachsen - Deutschland
MehrIndustrie 4.0 wie Sensoren, Big Data und 3D-Druck die Produktion und die Arbeit in der Fabrik verändern
Industrie 4.0 wie Sensoren, Big Data und 3D-Druck die Produktion und die Arbeit in der Fabrik verändern Frank Riemensperger Bitkom-Präsidium Berlin, 21. April 2016 Fast jedes zweite Unternehmen nutzt Industrie-4.0-Anwendungen
MehrInformationssuche in Sozialen Medien. Adam Horvath Universität Pecs Institut für Wirtschaftsmethodologie
Informationssuche in Sozialen Medien Adam Horvath Universität Pecs Institut für Wirtschaftsmethodologie Übersicht über sozielle Medien Bezug auf Person, Gemeinde, Unternehmen, Events, usw. Verschiede Formate
MehrBIG UNIVERSITÄTSRECHENZENTRUM
UNIVERSITÄTS RECHENZENTRUM LEIPZIG BIG DATA @ UNIVERSITÄTSRECHENZENTRUM Forschung und Entwicklung Entwicklung eines E-Science-Angebots für die Forschenden an der Universität Leipzig Stefan Kühne Axel Ngonga
MehrIntelligent Traveller Early Situation Awareness itesa
Intelligent Traveller Early Situation Awareness itesa Dr. Martin Skorsky, Senior Researcher 22. Juni 2015 1 1 Intelligent Traveller Early Situation Awareness Automatischen Alarmsystems, das Reisende in
MehrProseminar - Data Mining
Proseminar - Data Mining SCCS, Fakultät für Informatik Technische Universität München SS 2014, SS 2014 1 Data Mining: Beispiele (1) Hausnummererkennung (Klassifikation) Source: http://arxiv.org/abs/1312.6082,
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
MehrPlanungsansätze aus der Künstlichen Intelligenz
Planungsansätze aus der Künstlichen Intelligenz Seminarvortrag Eingereicht von Betreuender Professor: Betreuender Assistent: Felix Heitbrock Matrikelnummer: 4013238 Prof. Dr.-Ing. Andreas Terstegge Dipl.-Inform.
MehrDigitalisierung. Dematerialisierung. Die Neuverteilung der Welt in Zeiten des digitalen Darwinismus.. Berlin - 23/05/2017
Digitalisierung Dematerialisierung Die Neuverteilung der Welt in Zeiten des digitalen Darwinismus.. Berlin - 23/05/2017 Welche Ausmaße wird die Digitalisierung annehmen? Alles, Alles, Alles, was digitalisiert
MehrDer Backpropagation-Algorithmus als Beispiel für Lernalgorithmen künstlicher neuronaler Netze Reinhard Eck 1
Der Backpropagation-Algorithmus als Beispiel für Lernalgorithmen künstlicher neuronaler Netze 2.04.2006 Reinhard Eck Was reizt Informatiker an neuronalen Netzen? Wie funktionieren Gehirne höherer Lebewesen?
Mehr