Mathlab, Embedded Computing
21.01.2020
Machine Learning versus Deep Learning
Zu entscheiden, welche KI-Technologie für ein Projekt eingesetzt werden sollte, kann eine Herausforderung sein. Mathlab-Mitarbeiter Seth Deland erläutert in einem Artikel die Unterschiede zwischen Machine Learning und Deep Learning.
weiterlesen
schnell.AI
13.01.2020
Eine AI zum Konfigurieren
Vereinfachte AI: Mehr Konfigurieren als Programmieren mit schnell.AI.
weiterlesen
schnell.AI
16.12.2019
AI-Pipelines für jedermann
Vereinfachte AI: Mehr Konfigurieren als Programmieren mit schnell.AI.
weiterlesen
IntraFind
12.12.2019
Fünf KI-Trends für 2020
IntraFind, Spezialist im Bereich KI-Software, prognostiziert fünf zentrale KI-Trends für das nächste Jahr.
weiterlesen
Karlsruher Institut für Technologie (KIT)
05.12.2019
Videoserie: Sachen machen mit KI
Das Karlsruher Institut für Technologie (KIT) hat eine Videoserie begonnen, die aufzeigen soll, was mit Künstlicher Intelligenz bereits geht und auch gemacht wird.
weiterlesen
Ram Cherukuri, MathWorks
18.11.2019
Deep Learning mit int8-Quantisierung
Ram Cherukuri, Mitarbeiter von MathWorks erklärt in einem Artikel, was int8-Quantisierung ist und warum sie beim Deep Learning mit neuronalen Netzwerken so beliebt ist.
weiterlesen
ML.NET AutoML
18.11.2019
Selbst lernt die Maschine
Microsofts neue Erweiterung für das ML.NET-Framework vereinfacht das Trainieren von Machine-Learning-Modellen.
weiterlesen
BMBF/Wissenschaftsjahr 2019
30.10.2019
KI-Camp: Zukunftsfragen diskutieren
Wer mit zahlreichen weiteren Expertinnen und Experten aus Gesellschaft, Wissenschaft, Wirtschaft und Politik über die drängendsten Zukunftsfragen zu Künstlicher Intelligenz (KI) diskutieren möchte, kann das im Berliner KI-Camp am 5. Dezember 2019 tun.
weiterlesen
Databricks, MLflow
16.10.2019
Model Management mit MLflow Model Registry
MLflow bietet seinen Benutzern jetzt ein zentrales Repository, um das maschinelle Lernen zu beschleunigen.
weiterlesen
KIT
15.10.2019
Diskriminierungsrisiko: Vom Algorithmus benachteiligt
Automatisierte Entscheidungen durch algorithmenbasierte Systeme sparen Zeit und Geld, bergen jedoch die Gefahr der Benachteiligung einzelner Menschen und ganzer Bevölkerungsgruppen.
weiterlesen