Wer im Business-Alltag auf eigenes Datenmanagement und Künstliche Intelligenz setzt, ist der Gewinner von morgen, weil er heute schon den Überblick behält. „Künstliche Intelligenz“ ist digitales Zukunftsthema und Boomfaktor in Wissenschaft, Wirtschaft und Medien und hat längst in Unternehmen und Institutionen Einzug gehalten. Doch wenn Konsumenten und Organisationen zunehmend digital agieren, müssen auch die Ansätze zur Kundenakquise, zum Personalmanagement und zum Businessmanagement digitale Kommunikation und Interaktion schneller und umfassender operationalisieren und analysieren.

Innerhalb weniger Jahre hat sich Robotic Process Automation (RPA) zu einer validen Alternative für die Automatisierung und Optimierung von Abläufen entwickelt. Prozesse in der industriellen Produktion lassen sich ganzheitlich optimieren, wenn Fertigungsroboter, Logistik und alle Maschinenanlagen miteinander kommunizieren. Für das Büro kündigt sich jetzt eine ähnliche Entwicklung an.

Mobil war gestern, heute braucht jeder einen Alexa-Skill. So ungefähr könnte die Flut von Skills im Store von Amazon erklärt werden. Denn Alexa erfreut sich steigender Beliebtheit, und das nicht nur im privaten Umfeld, sondern auch in Unternehmen. In seiner Session von der W-JAX 2017 beleuchten Dr. Adam Giemza und Marek Wester von der Schenker AG die Anatomie eines Alexa Skills und zeigen am Beispiel eines der größten Logistikunternehmens die Entwicklung von Skills in Java auf Basis der Serverless Computing Platform AWS Lambda.

Digitale Bots automatisieren repetitive Routine-Aufgabe und erhöhen damit Produktivitiät. Separat betrachtet ziehen sie keine Erkenntnisse daraus. Kombiniert mit den neuesten Machine-Learning-Anwendungen erhält Robotic Process Automation neue Bot-Fähigkeiten.

Es sind noch exakt 127 Tage bis Weihnachten, für Python-Entwickler gab es allerdings schon letzte Woche Geschenke. Jedenfalls, wenn man eine Top-Platzierung in den landläufig bekannten Programmiersprachen-Rankings als solches bezeichnen möchte. Außerdem gab es letzte Woche eine umfangreiche Einführung in das Trainieren von Deep-Learning-Modellen mit AWS AI und einen Leitfaden für Git & Co. auf JAXenter. Was sonst noch wichtig war, erfahrt ihr in unserem Wochenrückblick.

Amazon verwendet seit Jahrzehnten bereits prädiktive Modelle. Mit AWS-AI soll das maschinelle Lernen nun jedoch in die Hände eines jeden Entwicklers gelegt werden. In diesem Artikel erklärt Cyrus Vahid, KI-Spezialist bei AWS, einige grundlegende Deep-Learning-Modelle und geht darauf ein, inwiefern Amazon für jeden Use-Case Services besitzt.

Jupyter Notebooks: Wer sich mit Machine Learning beschäftigt, stolpert irgendwann über diesen Namen. Wann aber lohnt es sich, einen Blick darauf zu werfen? Diese Frage beantwortet Michael Zickert im Interview zum Python Summit 2018.

Bilderkennung mit neuronalen Netzen ist heute ein großer Trend. Wie funktioniert das und wie gut muss man sich dafür mit Machine Learning auskennen? Wir haben Shirin Glander, Data Scientist bei codecentric, nach Technologien, Trends und Tipps für die maschinelle Bilderkennung mit neuronalen Netzen gefragt.

Machine Learning und Künstliche Intelligenz sind gerade Thema. Das ist keine bahnbrechende Neuigkeit. Naheliegend, dass wir uns in dieser Ausgabe von „Sag mal…“ darüber unterhalten haben. Anders als sonst hat allerdings diesmal Niko die Fragen gestellt.
 
 

Aktuell findet die internationale Google Cloud Next 2018 in San Francisco statt. Führende Mitarbeiter von Google stellen in Vorträgen, Diskussionen und Workshops die Vision für die Zukunft von Google Cloud vor. Bereits am ersten Tag überrascht Google mit vielen Neuerungen und Updates.

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.

Machine Learning, Deep Learning, verschiedene Arten von Networks, Tools und Frameworks: Die Welt des maschinellen Lernens ist groß und bietet inzwischen schon zahlreiche Optionen. Wir haben mit Oliver Zeigermann, Trainer auf dem ML Summit, über genau diese Vielfalt gesprochen.

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.

Der Erfinder von Python, Guido van Rossum, hat angekündigt, sich vom Projekt zurückziehen zu wollen. Damit verliert die Programmiersprache ihren langjährigen Hauptentscheidungsträger. Was bedeutet das für die Python-Community?

Mit TensorFlow 1.9 wurden wieder einige neue Features für die Deep-Learning-Bibliothek veröffentlicht. Dazu gehörten beispielsweise Neuerungen beim Laden von Daten und für die Textverarbeitung.

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?!

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.

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.

Die Menschheit ist mehr denn je mit künstlicher Intelligenz (KI) konfrontiert. Doch wie „intelligent“ sind diese Systeme wirklich? Wir sprachen mit Marisa Tschopp, Forscherin bei scip ag und Sprecherin auf der ML Conference 2018, über den Künstlichen Intelligenz-Quotienten, wie man akademische IQ-Tests automatisiert und vieles mehr.

Die ML Conference 2018 in München steht unter dem klaren Motto: Wir sind noch lange nicht am Ende und es gibt noch so viel zu lernen. Der erste Konferenztag ist vorbei und wir richten den Scheinwerfer auf eine kleine Zusammenstellung der spannendsten Themen.