KI: Nach dem Hype
Mit unserem Gehirn können es Computer noch lange nicht aufnehmen.
Mit unserem Gehirn können es Computer noch lange nicht aufnehmen.
Mit künstlicher Intelligenz im Kampf gegen das Coronavirus. Alles, was es dafür braucht, sind Daten – viele Daten.
Nils Urbach, Professor für Wirtschaftsinformatik und Strategisches IT-Management an der Universität Bayreuth, Peter Hofmann, Universität Bayreuth und Dominik Protschky, Universität Bayreuth wetten,
Lernen durch Algorithmen und bald auch durch menschliches Lächeln: Microsoft arbeitet an einem Machine-Learning-System, das seine Entscheidungen anhand von Gesichtsausdrücken und Emotionen gewichte
Datenanalyse ist keine One-Man-Show des Data Scientist. Doch viele Fachabteilungen denken das, weil Unternehmen die Datenkompetenz nicht umfassend fördern.
Facebooks leitender KI-Forscher Jerome Pesenti glaubt, dass Deep Learning schon bald an seine Grenzen stoßen wird.
Go-Meister Lee Se-dol, der lange Jahre als bester Go-Spieler der Welt galt, ist zurückgetreten. Der 36-Jährige machte die Google-KI Alphago mitverantwortlich für diesen Schritt.
Für Deep Learning werden heute meist Grafikprozessoren verwendet. Stärker spezialisierte Hardware aber könnte künstliche Intelligenz stark beschleunigen.
Die Anfänge der künstlichen Intelligenz gehen auf die 1950er Jahre zurück. Aber erst seit wenigen Jahren erlebt das Thema einen wahren Boom.
Berufe für Eltern erklärt: Warum Victoria ihren Job liebt – und wie viel man in dem Bereich verdienen kann
Googles KI-Abteilung stellt ein neues Verfahren vor, mit dem Menschen digitalisiert und neu ausgeleuchtet in virtuellen Welten platziert werden können.
Als volumenmäßig größte Börse der Welt muss die Nasdaq ständig auf faule Aktivitäten achten. Künftig helfen dabei von Analysten trainierte Algorithmen.
Eine künstliche Intelligenz (KI) zu entwickeln, kann sehr komplex sein, sie zu verstehen, ist aber nicht allzu schwierig.
Unternehmen, die neue Erkenntnisse aus vorhandenen Daten gewinnen wollen, stehen häufig vor der Entscheidung, eigene Data Scientists mit einem Python-KI-Baukasten eine individuelle Anwendung bauen
Erfahren Sie, welche Aufgaben bei Data-Science-Projekten durch Automated Machine Learning automatisiert werden können und welche nicht.
Auf dem Weg zur Schaffung von KI-Standards will die Object Management Group ein Referenzmodell erarbeiten sowie Arbeitsgruppen und einen Normenrat schaffen.
Anwender können aus einer Vielzahl von Tools für Machine und Deep Learning wählen. Es gilt allerdings genau zu überlegen, denn jedes Werkzeug eignet sich speziell für bestimmte Aufgaben.
In den vergangenen Jahren hat sich viel getan bei Künstlicher Intelligenz. Auf das Gaming haben neuere KI-Technologie wie Deep Learning allerdings noch keinen großen Einfluss.
Von künstlichen neuronalen Netzen hat heute jeder schon einmal gehört. In ihrem Schatten gedeihen aber noch andere Arten des maschinellen Lernens.
Bei der Konferenz für Big Data, Data Science und Machine Learning geht es um große Datenmengen, aus denen geschäftsrelevante Informationen zu ziehen sind.
ai-port GmbH
Steinfurter Straße 104 | 48149 Münster
mail@ai-port.de | 0251 3900160 | Fax 0251 3900169
Aus Gründen der leichteren Lesbarkeit wird die gewohnte männliche Sprachform bei personenbezogenen Substantiven und Pronomen verwendet. Dies impliziert jedoch keine Benachteiligung eines anderen Geschlechts, sondern soll im Sinne der sprachlichen Vereinfachung als geschlechtsneutral zu verstehen sein.