Amazon Forecast erzeugt mithilfe von Machine Learning (ML) hochgradig präzise Prognosen – ohne dass Anwender über ML-Erfahrung verfügen müssen. In unserem zweiteiligen Artikel zeigen wir, wie Sie automatisierte Prognosen entwickeln. Der erste Teil behandelt die Implementierung eines Date Lake unter Berücksichtigung notwendiger Sicherheitsrichtlinien mit dem Dienst AWS Lake Formation. Im zweiten Teil geht es um das automatisierte Importieren von Daten in Ihren Data Lake und deren Transformation mit einem AWS Glue-Workflow.

Mit KatanaFlow bietet USU Software ab sofort eine grafische Entwicklungsumgebung für Data Science im Maschinen- und Anlagenbau an.

Am 21. und 22. April findet zum zweiten Mal der Graph + AI Summit statt – aufgrund der Corona-Pandemie in Form einer virtuellen Konferenz. Veranstalter Tiger Graph will zeigen, wie Graph-Algorithmen Analysen, KI und maschinelles Lernen beschleunigen können.

Der Low-Code- und KI-Spezialist Pegasystems hat sich mit der Frage beschäftigt, warum KI-Projekte nicht immer den gewünschten Erfolg erbringen oder sogar komplett scheitern. Die Ursachen reichen demnach von falschen Erwartungen bis hin zu mangelnder Datenqualität.

Der Zulieferer beschäftigt weltweit 1.000 KI-Experten. Zusätzliches Know-how in diesem Bereich will Continental nun in Berlin aufbauen. Die Stadt bietet dafür eine starke KI-Szene.

Cybersicherheit ist ein zentrales Thema in der digitalen Gesellschaft. Maschinelles Lernen (ML) hilft immer mehr bei der Analyse sicherheitsrelevanter Probleme. Doch diese Art der Forschung ist nicht ohne Fallstricke, wie das Berlin Institute for the Foundations of Learning and Data (BIFOLD) warnt.

Ein Forschungsteam hat tausende Aufnahmen des Augenhintergrunds von Glaukom-Patienten mittels Deep Learning analysiert. Auf diese Weise ließ sich feststellen, wie stark die Krankheit die Sehkraft beeinträchtigt.

Eine Befragung von rund 150 Tech-Start-ups im Auftrag des Digitalverbands Bitkom ergab, dass rund jedes zweite Start-up in Deutschland Big Data und Datenanalyse nutzt. Künstliche Intelligenz wird bereits von 43 Prozent eingesetzt, weitere 40 Prozent sind bereits in der Planungs- oder Diskussionsphase.

Wer sich mit Künstlicher Intelligenz (KI) und Machine Learning (ML) oder auch mit Programmen im Bereich Statistik, Mathematik, Analyse oder Data Mining beschäftigt, sollte sich die Möglichkeiten der Python-Library scikit-learn anschauen. Der Beitrag gibt einen Überblick.

Die Integration von KI in sämtliche Arbeitsprozesse wird heiß diskutiert. KI als Belastung oder Entlastung – die Geister scheiden sich, auch hinsichtlich Sicherheitsrisiken. ExtraHop zeigt, dass Verantwortliche gegenüber KI-Bedrohungen eher ignorant sind.