Meinungen

Meinungen

Datenanalyse

• Machine-Learning-Modelle mit Feature Engineering entwickeln

  Machine-Learning-Algorithmen müssen im Vergleich zu konventionellen Algorithmen Regeln selbst erlernen und umsetzen. Zuvor müssen die verwendeten Daten aber formatiert werden.  Weiterlesen

• Ist das Ende des Allround Data Scientists gekommen?

  Jonathan Wilkins, Marketing Director bei EU Automation, beschreibt in diesem Artikel die veränderte Rolle des Data Scientists und wie diese heute arbeiten.  Weiterlesen

• Welche sozialen Auswirkungen Machine Learning haben kann

  Entscheidungen auf Basis von Machine-Learning-Systemen bergen das Risiko von verzerrten Ergebnissen. Wie sich das Risiko mit verschiedenen Tools verkleinern lässt.  Weiterlesen

• Data versus Text Mining: Wertvolle Daten erfolgreich bergen

  Data Mining und Text Mining sind gute Verfahren, um Daten aus verschiedenen Quellen zu bergen und diese effizient auf Trends sowie Muster zu untersuchen.  Weiterlesen

• Big Data: Fundament für fortschrittliches Machine Learning

  KI-Systemen benötigen Big Data, um zu lernen. Entscheidungen lassen sich damit sicherer treffen, da die Datenbasis größer ist und das System aus Analysen lernt.  Weiterlesen

• Mit künstlicher Intelligenz Vertriebsprozesse beschleunigen

  Um nachhaltiges Wachstum zu generieren und kontinuierlich Kunden zu gewinnen, ist eine schlagkräftige Vertriebsabteilung erforderlich. Hierbei hilft künstliche Intelligenz.  Weiterlesen

• Wie Unternehmen das Smart-Factory-Konzept realisieren

  Nur wenige Unternehmen haben bisher eine Smart Factory realisiert. Die Gründe: die technologischen und transformatorischen Eintrittsbarrieren sind häufig zu hoch.  Weiterlesen

• Welches Monetarisierungsmodell funktioniert für IoT?

  Lösungen für das Internet der Dinge kommen vermehrt zum Einsatz und bieten Unternehmen Gelegenheit, die Nutzung der Lösungen zu analysieren und zu bewerten.  Weiterlesen

• Mehr Transparenz durch segmentierte Scorecards schaffen

  Scoring-Verfahren und Scorecards bieten eine Grundlage, um tragfähige Entscheidungen treffen zu können. Allerdings benötigen diese Transparenz und Vertrauen.  Weiterlesen

• Apache Flink: Stream Processing beschleunigt IoT-Anwendungen

  5G und das Internet der Dinge als Top-Themen im Jahr 2019: Was bedeutet das für die Datenverarbeitung und welche Rolle spielt dabei Stream Processing?  Weiterlesen

• Zwischen Hype und Realität: Was IBM Watson für Analytics bietet

  IBM versucht Watson wieder zurück ins Rampenlicht zu drängen, nachdem Big Blue mehrere Akquisitionen hinter sich und neue Produkte präsentiert hat.  Weiterlesen

• Fünf Enterprise-Trends 2016: IoT weiter im Fokus, SaaS-Markt konsolidiert sich

  Dieses Jahr wird IoT erwachsen und Social Media gewinnt weiter an Bedeutung. Gleichzeitig konsolidiert sich der SaaS-Markt. Fünf Trends für 2016.  Weiterlesen

• Wie IoT-Technologie vom Buzzword zur Realität werden kann

  Einige Firmen fühlen sich zu IoT-Technologie hingezogen. Damit auch KMUs einen ROI erreichen, müssen sie verstehen, wie sie die Daten nutzen können.  Weiterlesen

• Neue Konzepte statt mehr Technologie: IT als Schlüssel für mehr Produktivität

  IT anders denken: Wie Unternehmen durch People Computing die Produktivität ihrer Mitarbeiter nachhaltig steigern und gleichzeitig Kosten sparen.  Weiterlesen

• Warum Datenanalysen auf mehr Schultern verteilt werden müssen

  In viele Firmen gibt es Datenanalytiker, die mit Analytics-Aufgaben überschüttet werden. Mehr Analytiker und neue Tools können diese Problem beheben.  Weiterlesen