Industrial AI - Veranstaltungkalender

Loading Events

« All Events

  • This event has passed.

Machine Learning – Artificial Intelligence als Lösung für komplexe Bildverarbeitungsaufgaben

2. April 2020 | 9:00 - 17:00

Stemmer Imaging veranstaltet am 2. April eine KI-Schulung zum Thema ‚Machine Learning – Artificial Intelligence als Lösung für komplexe Bildverarbeitungsaufgaben‘ in Puchheim. Hier sollen Teilnehmer die Vorteile und Herausforderungen von traditionellem Machine Learning und Deep Learning kennenlernen und welche Möglichkeiten die Common Vision Blox (CVB) bietet.

Venue

Stemmer Imaging AG
Gutenbergstr. 9-13
Puchheim, 82178
Phone
+49 89 80902-0

Das könnte Sie auch Interessieren

Bild: Oliver Dietze
post-thumbnail

Anreiz für Investitionen in KI: So soll der Wert von Daten für Unternehmen sichtbar werden

Der Mittelstand scheut heute noch Investitionen in Künstliche Intelligenz. Für die meisten Unternehmen sind Daten etwa aus Produktion oder Instandhaltung totes Kapital. Dabei sehen Wissenschaft und Politik gerade hier enormes Potenzial. Der Wirtschaftsinformatiker Professor Wolfgang Maaß und sein Team von der Universität des Saarlandes wollen den Wert solcher Daten sichtbar und für die Firmen durch intelligente Datenbilanzierung interessant und nutzbar machen. 2,3 Millionen Euro investiert das Bundeswirtschaftsministerium in diese Forschung, für die Wolfgang Maaß mit fünf Partnern aus Wissenschaft und Wirtschaft zusammenarbeitet. Über 330.000 Euro davon fließen auf den Saarbrücker Campus.

Bild: PSI FLS Fuzzy Logik & Neuro Systeme GmbH
post-thumbnail

Geschäftsprozessdaten mit maschinellem Lernen aufbereiten

Industriellen KI-Verfahren gehört die Zukunft. Die Herausforderung: Vorhandene Daten müssen für entsprechende Funktionalitäten zunächst aufbereitet – gelabelt – werden. Das trifft z.B. auf die Anwendung von KI-Methoden auf Geschäftsprozessdaten zu. Denn anders als in der Bilderkennung oder Sprachverarbeitung, bei denen die Bedeutung einmal gelabelter Datenmuster semantisch weitestgehend unverändert bleibt, sind die zu labelnden Muster in Geschäftsprozessdaten dynamisch und immer wieder anders strukturiert, etwa durch kontinuierlich wechselnde Auftragsmixe und Prozesszustände. Ein Labeln auf Basis manueller Datenanalyse ist in diesem Kontext extrem aufwändig und daher ungeeignet. Gesucht sind automatisierte Lösungsansätze, die auf bestehende Strukturen aufsetzen und die vorhandenen Daten passgenau aufbereiten.