Suche
Maschinelles Lernen

Machine Learning Tutorial: Maschinelle Schlussfolgerung

Während Ärzte, Rechtsanwälte und andere Berater ihren Patienten bzw. Klienten zuhören, versuchen sie, aus der gesamten Konversation Fakten herauszufiltern. Sie dienen ihnen als Basis, um effektiv behandeln und beraten zu können. Fakten zu sammeln und daraus zu schlussfolgern, ist für Menschen selbstverständlich. Für Maschinen ist dies jedoch eine große Herausforderung. In diesem Artikel möchten wir den Cogniology-Ansatz zur Wissensbasis und deren Umgang mit Fakten und Schlussfolgerungen erläutern.

Machine Learning Tutorial: Natürliche Datentypen und sprachnatürlicher Polymorphismus

Wer sich mit Entwicklern über Mehrdeutigkeit unterhält, kommt schnell auf die Polymorphie der objektorientierten Programmierung zu sprechen. Mehrdeutigkeit in Zusammenhang mit natürlicher Sprache wird in der Regel als Poesie und kunstvoll empfunden. Doch nicht nur poetische Sätze können mehrdeutig sein, auch alltägliche Konversationen enthalten oft Mehrdeutigkeiten, die wir meist unbewusst aus deren inhaltlicher Bedeutung erschließen können. Für sprachverarbeitende Anwendungen ist jedoch die Ableitung der möglichen Bedeutungen eine große Herausforderung. Diese Problematik lässt sich in Cogniology durch den Ansatz der natürlichen Datentypen und des sprachnatürlichen Polymorphismus teilweise lösen.

Machine Learning Tutorial: Wie wir Maschinen die natürliche Sprache lehren

Im heutigen Alltag ist das Thema Human Machine Interaction aktueller denn je. Sei es am Bank- oder Ticketautomaten, beim Autofahren, beim Carsharing, beim Smart Home oder bei Apps auf Smartphones, Tablets, Wearables, Notebooks oder Spielekonsolen. Immer wieder kommt es zum Dialog zwischen Mensch und Maschine. Das Problem dabei ist, dass Menschen sich normalerweise in gesprochener oder geschriebener natürlicher Sprache unterhalten und Maschinen über APIs und Datenprotokolle.

Top 10 der JAXenter-Artikel 2017

In der Java-Welt ging es 2017 ziemlich rund: Dabei standen nicht nur die Veröffentlichungen von Java 9, Java EE 8 und Spring 5 standen auf dem Programm. Auch Themen wie der Umzug von Java EE zur Eclipse Foundation und die Planung neuer Release-Zyklen von Java wurden in der Community heiß diskutiert. Hier auf JAXenter waren zudem Spring Boot, Angular, das Maschinelle Lernen und diverse Blockchain-Technologien vielbeachtete Interessensgebiete. Dies sind die meistgeklickten Artikel des letzten Jahres.

Eclipse Weekly: Deeplearning4j, EE4J & der Tipp der Woche

Über ein dröges Jahr kann sich die Eclipse Foundation 2017 sicher nicht beschweren. Viele interessante Projekte sind dabei, Wurzeln zu schlagen, zu blühen und zu gedeihen. Das derzeit wichtigste Projekt ist sicher EE4J, bzw. Java EE, weshalb ein Status-Update diese Woche nötig ist. Die Community und das Eclipse-Universum wachsen allerdings auch abseits davon: Einer der interessantesten Neuankömmlinge ist das Projekt Deeplearning4j. Und natürlich gibt es wieder den Eclipse-Tipp der Woche.

Java 10 (?), W-JAX 2017 und die Freiberufler in der IT

Letzte Woche hieß es nicht für uns Redakteure: Willkommen bei W-JAX-Wahnsinn. Neben uns tummelte sich auf der Konferenz auch eine erfreulich große Zahl an Speakern und Teilnehmern. Mitten im Trubel erreichte uns dann noch die Nachricht, dass Oracle sich nun möglicherweise doch von Java 18.3 verabschieden könnte. Java 10 ist wieder im Gespräch – ist Nomen am Ende vielleicht doch Omen?

Machine Learning als Microservice im Docker-Container auf einem Kubernetes-Cluster – say what?

Es ist immer wieder faszinierend zu sehen, wie vielseitig sich Maschinelles Lernen einsetzen lässt. Bei Outfittery unterstützen Algorithmen etwa die Experten dabei, für jeden Kunden das – im wahrsten Sinne des Wortes – passende Teil auszusuchen. Im Interview zur W-JAX 2017 in München erklärt Jesper Richter-Reichhelm, CTO bei der Outfittery GmbH, wie Machine Learning im Unternehmen eingesetzt wird und welche Frameworks sie nutzen. Außerdem beantwortet er die Frage, ob Mensch oder Maschine die besseren Vorschläge macht.

„Die Technologie ist für das Lernen von Machine Learning nicht entscheidend“

Auf der W-JAX 2017 in München dreht sich diese Woche alles um neue Trends und Technologien in der weiten Java-Welt. Dabei darf das Thema Maschinelles Lernen natürlich nicht fehlen. Wir haben mit Kai Wähner, Technology Evangelist bei Confluent, darüber gesprochen wie man den Einstieg in Maschinelles Lernen am besten meistert und was besser die waschechten Data Scientists machen sollten.