Machine Learning

Cloud Security mit Machine Learning: KI-Algorithmen für mehr Qualität bei Cloud-Dienstleistungen

Kann man einen Hardware-Ausfall oder einen Hacker-Angriff voraussehen? Zumindest lassen sich aus den Funktionsdaten einer Infrastruktur – von der Temperatur der Devices über die Latenz bis hin zum Lese-Schreib-Verhalten – wertvolle Rückschlüsse ziehen, um die Qualität von Rechenzentrumsleistungen in der Cloud deutlich zu erhöhen. Durch selbstlernende Algorithmen entsteht ein System, in dem sich Predictive Maintenance und Live Scaling automatisiert umsetzen lassen.

Homo Computerus: Gehört Programmieren zur Alphabetisierung von morgen?

Es ist nichts Neues, dass Code fast alle Bereiche unseres Modernen Lebens bestimmt. Trotzdem beschränken sich Programmierkenntnisse immer noch auf bestimmte Fachleute und
Communitys. Da sich die Fähigkeit, Anwendungen zu schreiben, immer weiter verbreitet, stellt sich nun allerdings Frage, ob das Coden in Zukunft zu den Grundfähigkeiten Lesen, Schreiben und Rechnen hinzukommen wird.

Eclipse Photon, Amazon SageMaker & die Golumne – Unsere Top-Themen der Woche

Eigentlich wäre dies genau der Ort, um über Fußball und das Ausscheiden „der Mannschaft“ zu sprechen. Das sparen wir uns allerdings – stattdessen schauen wir auf das Positive: Das Simultaneous Release Eclipse Photon ist erfolgreich durchgeführt worden, Werner Vogels stellte Amazon SageMaker vor und eine neue Ausgabe der Golumne ist auf JAXenter erschienen. Ist alles doch irgendwie auch spannender als Fußball, oder?!

Skalierbares Machine Learning mit Amazon SageMaker

Auf der letzten re:Invent-Konferenz hat Amazon das Machine-Learning-Projekt SageMaker vorgestellt. Es handelt sich dabei um eine verwaltete Plattform, die es Entwicklern und Datenwissenschaftlern ermöglichen soll, Machine-Learning-Modelle jeder Größenordnung zu erstellen, zu trainieren und zu implementieren. Amazon CTO Werner Vogels stellt das Projekt für JAXenter vor.

H2020-Projekt „AGILE-IoT“, JEP 335 & Machine Learning – unsere Top-Themen der Woche

Die Witze über Roboter und Künstliche Intelligenzen, die die Menschheit ausrotten, haben alle schon einen Bart. Ernsthafter setzte man sich in der vergangenen Woche auf der Machine Learning Conference 2018 in München mit der Thematik auseinander, wir haben die wichtigsten Erkenntnisse zusammengefasst. Außerdem blies Oracle offiziell zur Nashorn-Jagd und die Forscher aus dem H2020-Projekt „AGILE-IoT“ haben ihre Forschungsergebnisse mit uns geteilt.

Deep Learning für Echtzeit-Anwendungen mit TensorFlow, Deeplearning4j und H20

Auf der derzeit stattfindenden Machine Learning Conference in München sind die Themen Künstliche Intelligenz und Maschinelles Lernen natürlich im Fokus. Auf der W-JAX 2017 gab es allerdings auch den ein oder anderen Talk aus dem Themengebiet: Kai Wähner, Technology Evangelist bei Confluent, zeigte in seiner Session, wie Deep-Learning-Modelle in Unternehmen genutzt werden können.

Blackbox Neuronales Netz: Wir müssen wieder lernen, die Maschine zu verstehen

Neuronale Netze lernen. Doch oftmals ist es für Menschen nicht ersichtlich, wie ein Neuronales Netz zu seinen Entscheidungen gekommen ist. Dieses „Blackbox“-Problem thematisiert Xander Steenbrugge, Machine-Learning-Experte bei ML6, auf der Machine Learning Conference 2018. Wir haben ihn zum Interview gebeten und fragen nach, welche Möglichkeiten es derzeit gibt, die Entscheidungen Neuronaler Netze dennoch nachzuvollziehen.

Machine Learning: Wie Maschinen lernen, Texte zu verstehen

Tief im Innersten ist Machine Learning ein reines Zahlenspiel. Bis auf wenige Ausnahmen ist die tatsächliche Eingabe in ein ML-Modell immer eine Sammlung von Float-Werten. Dies ist einfach für Bilder, bei denen Pixel nur numerische Farbwerte sind. Doch wie funktionieren ML-Algorithmen bei Wörtern und Buchstaben? Wir haben bei Christoph Henkelmann, ML-Experte bei DIVISIO und Sprecher auf der Machine Learning Conference, nachgefragt, wie man Maschinen dazu bringt, Texte zu verstehen.

Datalore: Eine Webanwendung für Machine Learning

Noch müssen Menschen in den meisten Fällen den Maschinen Daten und deren Interpretation beibringen. Mit der Webanwendung Datalore wollen die Entwickler von JetBrains diesen Schritt zumindest ein wenig vereinfachen. Die Anwendung ist seit Februar in der offenen Beta verfügbar und soll das Erstellen von Berechnungen einfach und kollaborativ machen. Dabei wird unter anderem auf intelligente Vorschläge und inkrementelle Kalkulation gesetzt.