Machine Learning

Optical Music Recognition: Wie können komplexe Musiknoten fehlerfrei digitalisiert werden?

Von Notenköpfen, über Bindebögen, Tonarten und Vortragsbezeichnungen: Musiknotation stellt ein komplexes Zeichensystem mit bis zu 1.500 unterschiedlichen, zum Teil kontextabhängigen und sich überlappenden Elementen dar. Gescannte Notenblätter mittels Künstlicher Intelligenz fehlerfrei zu erkennen und in digitale Informationen umzuwandeln (sogenannte „Optical Music Recognition“), stellt daher eine immense technologische Herausforderung dar. Wie lässt sich dies bewerkstelligen?

Machine Learning & Serverless- Technologien für analytische Wetterdaten-Produkte

Wer kennt das nicht? Wir stehen morgens auf und schauen nach dem Wetter, planen entsprechend unseren Tag und sind je nach persönlich präferierter Wetterlage besser oder schlechter drauf. Wetter ist immer. Das gilt für das alltägliche wie auch für das wirtschaftliche Leben. Einzelhandel, e-Commerce, Tourismus, die Werbewirtschaft und viele mehr – letztendlich gibt es kaum eine Branche, deren Erfolg nicht auch wetterabhängig ist. Zwar wissen viele Unternehmen um den Wettereinfluss, unterschätzen ihn jedoch mangels genauer Berechnungen oder fehlender Lösungen.

Classic Games Reloaded: Intelligente Neuronen und dendritisches Lernen (II)

Das Problem des Handlungsreisenden lässt sich per maschinellem Lernen lösen. Diese anspruchsvolle Aufgabe bedarf allerdings einiger fortgeschrittener Techniken, die im vorigen Teil der Serie noch nicht zur Sprache gekommen sind. Daher ergänzen wir in diesem Artikel das bereits entwickelte Neuronenmodell, sodass es der neuen Herausforderung gewachsen ist.

Die Zukunft der Qualitätssicherung: Testautomatisierung und KI

Das letzte Jahr hat Unternehmen dazu gebracht, ihre Digitalisierungsstrategie überstürzt umzusetzen. Im Rahmen der Pandemie und der damit einhergehenden Restriktionen mussten IT-Abteilungen schnell Remote-Infrastrukturen anbieten und Programme entwickeln, die das Arbeiten von überall ermöglichen. Die beschleunigte digitale Transformation verdeutlichte die zentrale Rolle von Qualitätssicherung in Unternehmen. Auch die Ergebnisse des World Quality Reports 2020-2021 (WQR) deuten daraufhin hin, dass Qualitätssicherung eine immer größere Rolle einnimmt, auch in Hinblick auf unterschiedliche Unternehmensziele. Raffi Margaliot, Senior Vice President und General Manager bei Micro Focus, gibt einen Überblick über die wichtigsten Erkenntnisse aus dem WQR und einen Ausblick, wie Unternehmen in Zukunft durch den Rückgriff auf neue Technologien wie Automatisierung und Künstliche Intelligenz (KI) profitieren.

Der Weg in die Zukunft der Produktion

Amazon CTO Werner Vogels beschreibt in seinem Artikel, wie Unternehmen von datengesteuerten Technologien profitieren können. Vogels stellt Tools und Services von AWS vor, die von der Aufnahme und Verwaltung von Daten bis zu avancierten Szenarien des maschinellen Lernens reichen.

Controlling, Machine Learning & Softwarepflege – Top 10 der beliebtesten Themen im Februar

Mit dem Februar endet bereits der zweite Monat des Jahres – wo ist die Zeit geblieben? War nicht eben noch Weihnachten? Das chaotische Jahr 2020 war leider mit dem Jahreswechsel zwar kalendarisch vorbei, dessen Nach- und Auswirkungen aber ziehen sich bis heute. Ruhiger und gediegener ging es dabei auf JAXenter zu: Wir beschäftigten uns mit dem Controlling, Machine Learning, neuen JavaScript-Frameworks und der Softwarepflege.

Barrierefreie Softwareentwicklung, Modern Agile & künstliche Intelligenz– Unsere Top-Themen der Woche

Kurzes Zwischenspiel: Der Frühling war da. Kurz. Jetzt herrscht erstmal wieder Winter. Weniger frostig geht es auf JAXenter zu: In der vergangenen Woche befassten wir uns mit barrierefreier Softwareentwicklung und deren automatisierter Prüfung und der künstlichen Intelligenz. Außerdem erschiend as aktuelle Java Magazin, bei dem der Fokus auf Modern Agile liegt.

Tribuo Concepts: Im Überblick

Tribuo ist eine statisch und stark typisierte, in Java geschrieben Machine-Learning-Bibliothek. Sie arbeitet mit Objekten und nicht mit mehrdimensionalen Arrays, d. h., dass die Modelle Example-Objekte akzeptieren und typisierte Prediction-Outputs erzeugen. Tribuo verwendet auch das Typsystem, um zu erzwingen, dass die Trainings-Data-Sets mit den erwarteten Modellen übereinstimmen (zum Beispiel, dass Classification Trainer auf einem Classification Data Set verwendet wird).

Machine Learning: „Der geschulte Umgang mit künstlicher Intelligenz wird immer wichtiger“

Künstliche Intelligenz und Machine Learning sind nicht nur in den USA und der internationalen Tech-Szene gerade wichtige Themen: Auch in Deutschland und Europa sind Anwendungen, die auf maschinellem Lernen beruhen, gefragter denn je. Um gemeinsam an Projekten aus diesem Bereich zu arbeiten, haben Olly Salzmann und Rupprecht Rittweger das Netzwerk KI Park Deutschland gegründet. Wir sprachen mit den beiden über ihr Netzwerk, die richtigen Werkzeuge für maschinelles Lernen und Anwendungen, bei denen KI eine gewichtige Rolle spielt.

Von Daten zum Modell und wieder zurück: Tools und Prozesse für MLOps

Ein Machine-Learning-Modell zu trainieren, wird immer einfacher. Aber das Modell zu bauen und zu trainieren, ist auch der einfache Teil. Die eigentliche Herausforderung besteht darin, ein Machine-Learning-System in Produktion zu bringen und dort verlässlich zu betreiben. Im Bereich der Softwareentwicklung haben wir dazu eine wesentliche Erkenntnis gewonnen: DevOps ist nicht länger nur nice to have, sondern absolut notwendig. Warum also nicht DevOps-Werkzeuge und Prozesse auch für Machine-Learning-Projekte einsetzen?