AI

Entwickler stehen regelmäßig vor der Frage, wie sie KI-Prozesse verbessern können und welcher Algorithmus für bestimmte Fragestellungen jeweils der passende ist. Ein Praxisbeispiel aus der Logistik zeigt, wie die Suche nach dem richtigen Algorithmus strukturiert erfolgen kann.

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.

Daten werden immer stärker zu Wirtschaftsgütern, zu strategischen Ressourcen innovativer Geschäftsmodelle. Warum die Unternehmen für das Daten-Sharing Marktplätze brauchen, und was Entwickler über den Telekom Data Intelligence Hub wissen müssen, zeigt der Artikel.

Die Entwicklung zunehmend autonomer Fahrzeuge hat vielfältige Auswirkungen, sowohl moralische als auch technische. Die Ethik-Kommission der Bundesregierung hat daher Grundsätze für automatisierte und vernetzte Fahrzeuge definiert. Einen Überblick über die technischen Folgen gibt dieser Beitrag, insbesondere für das Automotive-Testing und die damit verbundenen neuen Testanforderungen.

Bei der Qualitätssicherung gibt es eine Vielzahl von Anforderungen an Infrastruktur, Reporting, Tests und Automatisierung. Kommerzielle Software bietet häufig nur ein fixes Feature-Set, das sich gar nicht oder teuer modifizieren lässt. Mit einem Tool-Set aus starken Open-Source-Angeboten sind wir uns dagegen sicher, für jede Anforderung eine Lösung zu bieten. In diesem Artikel zeigen wir beispielh..