KI: Nach dem Hype
Mit unserem Gehirn können es Computer noch lange nicht aufnehmen.
Mit unserem Gehirn können es Computer noch lange nicht aufnehmen.
Hat der Wetterfrosch bald ausgedient? Forscher haben ein Frühwarnsystem entwickelt, das Wettervorhersagen deutlich präziser machen kann.
Mit einem völlig anderen Ansatz will Google die Wettervorhersage revolutionieren. Ein neuronales Netzwerk lernt, wie Wetter funktioniert und berechnet die weitere Entwicklung in Echtzeit.
Lernen durch Algorithmen und bald auch durch menschliches Lächeln: Microsoft arbeitet an einem Machine-Learning-System, das seine Entscheidungen anhand von Gesichtsausdrücken und Emotionen gewichte
Datenanalyse ist keine One-Man-Show des Data Scientist. Doch viele Fachabteilungen denken das, weil Unternehmen die Datenkompetenz nicht umfassend fördern.
Intel will Rechner mit einem völlig neuen Ansatz um ein Vielfaches leistungsfähiger machen. Das Konzept „Neuromorphic Computing“ entwickelt sich rasant.
Facebooks leitender KI-Forscher Jerome Pesenti glaubt, dass Deep Learning schon bald an seine Grenzen stoßen wird.
Der KI-Hype ist ungebrochen. Auch in der Kunst finden lernende Algorithmen zunehmend Anwendung. Kulturschaffende müssen aber noch nicht um ihre Jobs bangen.
Für Deep Learning werden heute meist Grafikprozessoren verwendet. Stärker spezialisierte Hardware aber könnte künstliche Intelligenz stark beschleunigen.
Die Wälder in Deutschland leiden unter dem Klimawandel, nicht erst seit dem Dürresommer 2018.
Die Anfänge der künstlichen Intelligenz gehen auf die 1950er Jahre zurück. Aber erst seit wenigen Jahren erlebt das Thema einen wahren Boom.
Berufe für Eltern erklärt: Warum Victoria ihren Job liebt – und wie viel man in dem Bereich verdienen kann
Eine künstliche Intelligenz (KI) zu entwickeln, kann sehr komplex sein, sie zu verstehen, ist aber nicht allzu schwierig.
Unternehmen, die neue Erkenntnisse aus vorhandenen Daten gewinnen wollen, stehen häufig vor der Entscheidung, eigene Data Scientists mit einem Python-KI-Baukasten eine individuelle Anwendung bauen
Erfahren Sie, welche Aufgaben bei Data-Science-Projekten durch Automated Machine Learning automatisiert werden können und welche nicht.
Auf dem Weg zur Schaffung von KI-Standards will die Object Management Group ein Referenzmodell erarbeiten sowie Arbeitsgruppen und einen Normenrat schaffen.
Anwender können aus einer Vielzahl von Tools für Machine und Deep Learning wählen. Es gilt allerdings genau zu überlegen, denn jedes Werkzeug eignet sich speziell für bestimmte Aufgaben.
Von künstlichen neuronalen Netzen hat heute jeder schon einmal gehört. In ihrem Schatten gedeihen aber noch andere Arten des maschinellen Lernens.
Bei der Konferenz für Big Data, Data Science und Machine Learning geht es um große Datenmengen, aus denen geschäftsrelevante Informationen zu ziehen sind.
Digitalisierung studieren, geht das? Ja klar. An deutschen Hochschulen und Universitäten gibt es einige Studiengänge, die auf einen Beruf im Zeitalter der Automatisierung vorbereiten.
ai-port GmbH
Wüllnerstraße 3 | 48149 Münster
mail@ai-port.de | 0251 3900160 | Fax 0251 3900169
Aus Gründen der leichteren Lesbarkeit wird die gewohnte männliche Sprachform bei personenbezogenen Substantiven und Pronomen verwendet. Dies impliziert jedoch keine Benachteiligung eines anderen Geschlechts, sondern soll im Sinne der sprachlichen Vereinfachung als geschlechtsneutral zu verstehen sein.