Das Wissensportal für IT-Professionals. Entdecke die Tiefe und Breite unseres IT-Contents in exklusiven Themenchannels und Magazinmarken.

heise conferences GmbH

(vormals SIGS DATACOM GmbH)

Lindlaustraße 2c, 53842 Troisdorf

Tel: +49 (0)2241/2341-100

kundenservice@sigs-datacom.de

AI

312 Inhalte
Entdecken Sie unser Archiv zu tiefgehenden Inhalte zum Thema AI.
Künstliche Intelligenz hat sich in den vergangenen Jahren zu einem zentralen Thema der Informatik entwickelt. Bereits in den 1940er Jahren wurde die Theorie der Neuronalen Netze entwickelt und in den 1950er Jahren der Begriff der Künstlichen Intelligenz (KI) geprägt. Und schon lange vor KI in Mode war, trieben Wissenschaftler und Techniker aus Deutschland das Thema stetig voran. Anlässlich des „Wi..
Wissenschaftsjahr KI
Ein Gespräch über den Stand der Forschung im internationalen Vergleich, die Frage, wie wichtig die Transparenz von KI-Entscheidungen ist, sowie künftige Einsatzfelder.
„Menschen und KI werden enger zusammenarbeiten“
Wie findet ein Unternehmen die passenden Expertinnen und Experten im eigenen Haus, wenn es sie für bestimmte Aufgaben schnell braucht? Mit dieser Herausforderung hatte es auch die iteratec GmbH zu tun – und entwickelte deshalb eine KI-basierte Suchmaschine, die das zuverlässige und schnelle Finden von Mitarbeiter-Skills ermöglicht.
KI als Basis für die intelligente Suche nach Mitarbeiterskills
Autoencoder sind generative neuronale Netzwerke, die äußerst vielseitig einsetzbar sind. Sie finden unter anderem beim maschinellen Übersetzen Anwendung, bei der Anomalieerkennung oder der Bildbearbeitung. Welche Spezialformen sind für die semantische Segmentierung von Bildern geeignet – wie es etwa beim autonomen Fahren unerlässlich ist?
Autoencoder – eine vielseitig einsetzbare Architektur
Die Anzahl von Publikationen zu Computer Vision, Neuro-Linguistischer Programmierung (NLP) oder Reinforcement Learning ist heutzutage gewaltig. Dabei widmen sich die meisten ausschließlich dem Training. Doch oft müssen Data Scientists auch beim Betrieb ihrer Modelle mitwirken. Dafür braucht es einen pragmatischen und unaufwändigen Weg.
Pragmatisch zum Praxiseinsatz von Machine Learning in der Cloud