Category: News

Software Track “Digital Entrepreneurs” auf dem Silicon Saxony Day

Der Silicon Saxony bringt auch in diesem Jahr Experten der Hochtechnologiebranchen zum 13. Silicon Saxony Day am 29.05.2018 in Dresden zusammen. Unter dem Motto “HARDWARE.SOFTWARE.CONNECTIVITY.” bietet die Veranstaltung eine ausgezeichnete Plattform für den Austausch von Ideen und Trends für zukünftige Informations- und Kommunikationstechnologien.

Speziell für die Software Branche hält das Programm in diesem Jahr einige sehr spannende Inhalte bereit. So richtet der AK Software erstmalig den Track “Digital Entrepreneurs” aus. Hochkarätige Referenten berichten über unternehmerische Herausforderungen sowie aktuelle Trends:

  • Jens Gärtner / SQL Projekt AG, Top KPIs everyone should know: Roadmap to a holistic management dashboard
  • Dirk Richter / Preh Car Connect GmbH, Talent recruiting for small & medium-sized businesses
  • Jörg Hastreiter / T-Systems Multimedia Solutions GmbH), Experiences from leading an enterprise DevOps transformation program
  • Sven Schubert / Netcentric Deutschland GmbH, Holacracy – Working in a responsive organization
  • Torsten Hartmann / Avantgarde Labs GmbH, Artificial intelligence in action
  • Dr. Martin Rößiger  / Qoniac GmbH, Distributed teams across borders – setup, kickoff and challenges
  • Klaus Eck / d.Tales GmbH, Speak about your Company – Content Marketing Strategies for Talent Recruiting
  • Florian Braunschweig / LOVOO GmbH, How to manage change? The story of a pervasive organisational transformation

Neben weiteren Expert Sessions steht als Highlight eine Keynote von Robert Panholzer auf dem Programm. Darüber hinaus sorgen die erstmalig stattfinde Demo Jam zum Thema “Human Machine Interaction”, Speed Dating für Unternehmen und Studenten sowie die abschließende Club Night für einen spannenden Tag. Eine Teilnahme lohnt sich also in jedem Fall.

Die Early Bird Registrierung zu Sonderkonditionen ist noch bis zum 29. April möglich. Tickets können auf der Seite des Silicon Saxony gebucht werden. Wir freuen uns auf den Tag und hoffen viele Kollegen, Bekannte und Interessierte begrüßen zu dürfen.

Quelle: PM von Silicon Saxony

5th #MLDD – Signals from outer Space

IMG_0076Am 08.05.2018 fand in den Gebäuden der LOVOO GmbH das 5. MLDD – Machine Learning Meetup statt. Diesmal zeigte Vlasta Kus von GraphAware den 75 Teilnehmern, wie man mit der NASA Lessons Learned Datenbank (eine Datenbank mit Review-Dokumenten) und etwas NLP einen Graphen entwerfen kann, der bei der Wissensrepräsentation hilft. Dies geschieht mit neo4j, einer Graphendatenbank, die umfangreiche Visualisierungsoptionen bietet.

Vlasta zeigte außerdem diverse Optionen, wie man das bestehende Verfahren noch verbessern kann sowie erweiterte Möglichkeiten bezüglich Deep Learning und Natural Language Processing. Auch ergaben sich einige Fragen zu Anwendbarkeit der gezeigten Modelle.

Du interessierst dich auch für das MLDD? Hier findest du die Meetup-Gruppe zum MLDD.

ML Conference 2018 in München – Das Programm ist online

Vom 18 bis 20. Juni geben international führende IT-Experten bei der zweiten Machine Learning Conference im Münchener Sheraton Arabellapark Hotel einen umfassenden Einblick in die Welt des Maschinellen Lernens und der Künstlichen Intelligenz. Die Konferenz bietet insgesamt über 35 Sessions, Keynotes und Workshops mit den drei parallelen Tracks “Business & Strategy”, “Machine Learning Tools & Principles” und “Machine Learning Advanced Development”. Über 35 Speaker, u.a. Canburak Tümer (Turkcell), Constantin Gonzalez (Amazon Web Services Germany), Marisa Tschopp (SCIP AG), Laurent Picard (Google), Daniel Wrigley (SHI) und Alison Lowndes (NVIDIA) präsentieren die neusten technologischen Entwicklungen aus Forschung und Industrie.

Unter anderem können die Teilnehmer aus den folgenden Sessions wählen: 

  • „Deep Learning in Telecommunication“ (Burak Isikli, Turkcell)
  • „Deep Learning Dive into the Graphics World“ (Muzahid Hussain, Dassault Systems 3d Excite)
  • „Boost your app with Machine Learning APIs“ Laurent Picard (Google)
  • „AI really is all that!“ Alison Lowndes (NVIDIA)
  • „Amazon SageMaker: Building, Training and Deploying Machine Learning Models Efficiently and at Scale“ Constantin Gonzalez (Amazon Web Servives Germany)
  • „Natural Language Support with LUIS“ Rainer Stropek (software architects / www.IT-Visions.de)

Am ersten Tag haben die Teilnehmer die Möglichkeit, drei ganztägige Praxis-Workshops zu besuchen. Im „AI Product Workshop“ wird Luis Rodriguez (Teknolog IO) mithilfe von realen Fallstudien eine Reihe von Techniken zur Gestaltung mit maschinellen Lerntechnologien veranschaulichen. Xander Steenbrugge (ML6) führt in seinem Workshop „Deep Learning with TensorFlow“ in die Grundlagen von Googles Deep Learning Bibliothek ein wird anhand von praktischen Beispielen den Umgang mit diesem Tool üben.

Abgerundet wird das Programm von drei Keynotes, u.a. zu dem Thema „Cracking open the Black Box of Neural Networks“ von Xander Steenbrugge (ML6), und dem Get-together, bei dem die Teilnehmer bei Freigetränken und Snacks die Möglichkeit zur Vernetzung und zum Austausch haben.

 Das ganze Programm kann ab sofort online eingesehen werden unter: https://mlconference.ai/programWeitere Informationen und Tickets finden Interessenten unter: https://mlconference.ai/

(PM von sandsmedia)

Cloud, Machine Learning und Mobile – Die DecompileD Conference in Dresden

decompiled_conference-logoAm 6. April findet im Dresdner Parkhotel die 1. DecompileD Conference statt. Die Themen auf der Konferenz sind Mobile Development, Cloud Infrastructure und Machine Learning.

Die Referenten berichten unter anderem, wie man auf Mobile-Applikationen Machine Learning benutzen kann und wie ganze Plattformen auf Cloud Plattformen umgezogen wurden. Insgesamt werden 19 Talks gezeigt.

Die Teilnehmer erwartet ein tolles Event mit zwei parallelen Tracks. Außerdem wird es eine Meetup-Expo geben, auf der sich regionale und überregionale Meetups präsentieren. Begleitet wird die Konferenz mit ansprechendem Catering vormittags, mittags sowie abends.

Für ein würdiges Ende der Konferenz wird eine Aftershow-Party mit vielen Specials sorgen. Ihr habt noch kein Ticket?

Spart 15% und nutzt den Rabattcode “MACHINEROCKSTARS” bei der Bestellung eures Tickets.

Hier gehts zur DecompileD!

Welche Deep Learning Frameworks gibt es?

Stand Deep Learning Frameworks 2017. Credits: Indra den Bakker

Stand Deep Learning Frameworks 2017. Credits: Indra den Bakker

Wie sah die Landschaft der Deep Learning Frameworks im abgelaufenen Jahr 2017 aus? Die 5 großen Player Google, Microsoft, Amazon und Facebook stecken hinter den bekanntesten und meist benutzten Frameworks.

Was wird das Jahr 2018 bringen? Einige Zeichen stehen auf Konsolidierung der Frameworks, Entwicklerteams von einigen Frameworks wollen sich sogar anderen Entwicklern anschließen, um ein neues Framework zu bauen.

Mehr dazu lest ihr im Artikel von Indra den Bakker

 

Der 34C3 – Spannende Machine Learning Videos

Der 34. Chaos Communication Congress des CCC fand in Leipzig statt. Wir haben für euch alle wichtigen Vorträge gesehen und euch die 3 relevantesten Machine Learning Talks hier verlinkt. Viel Spaß!

 

Beeinflussung durch Künstliche Intelligenz

Social Bots, Fake News und Filterblasen

Deep Learning Blind Spots

So funktioniert Recommendation bei Spotify

Rot markiert. Recommendation bei Spotify (Credit: Chris Johnson, Spotify)

Rot markiert. Recommendation bei Spotify (Credit: Chris Johnson, Spotify)

Empfehlungssystemen begegnet man überall im Internet. Auch bei Spotify arbeitet man mit State-of-the-Art Systemen im Bereich Recommendation.

Drei verschiedene Systeme werden bei Spotify dazu benutzt, um euch die Musik vorzuschlagen, die euch sehr wahrscheinlich gefallen könnte.

Dabei bedient sich Spotify an Metadaten der Tracks, liest die Logs der gespielten Musik und durchsucht sogar Blogs und News nach verschiedenen Artikeln. Diese Informationen werden dann benutzt, um euch einen neuen Track zu empfehlen.

Diese 3 Methoden benutzt Spotify

Kollaboratives Filtern – “Wer X gehört hat, hat auch Y gehört.” Amazon nutzt beispielsweise Kollaboratives Filtern, um euch zu zeigen, welche Produkte jemand noch gekauft hat, der ähnliche Produkte wie ihr kaufte. Das funktioniert zum Beispiel über Matrixfaktorisierung.

Natural Language Processing – Die Songtexte und Beschreibungen werden mit Natural Language Processing durchsucht und nach Schlüsselwörtern sortiert. Ähnliche Textpassagen und Phrasen sprechen für eine Ähnlichkeit. Schwierig wird es, wenn der Track sehr wenige bis garkeine Lyrics enthält. Dafür gibt es noch eine dritte Form der Recommendation.

Audio Material – Auf den reinen Audiosignalen wird ein neuronales Netz (Deep Learning) angewandt. Dieses Netz erkennt Ähnlichkeiten in den Frequenenzen. Es nutzt auch weitere Features, um die Ähnlichkeit eines Songs zu bestimmen. So kann man vor allem Songs bewerten, die über keine Lyrics verfügen und bisher selten gehört wurden (also keine Chance für Kollaboratives Filtern hätten).

Ihr findet das Thema spannend? Hier gibt es den längeren Artikel dazu.

#MLDD – Das 3. Dresdens Machine Learning Meetup – Startup Edition

Am 26.10.2017 fand in den Räumen der LOVOO GmbH das 3. Meetup der MLDD (Machine Learning Meetup Dresden) statt. Diesmal präsentierten sich 3 Startups aus Dresden, deren Produkte auch Machine Learning einsetzen.

IMG_7611

Polylith zeigt, welche Aufgaben Machine Learning bei ihnen löst.

Diese 3 Startups haben sich präsentiert:

  • Evomo: Fitness 5.0 ist die Devise von Evomo. Das Startup entwickelt eine App, die eure Workouts überwacht. Nach dem Workout kann euch die App direkt sagen, wieviele Kniebeuge, Liegestütze und weitere Übungen ihr in diesem Workout gemacht habt. Ihr wollt mehr Infos zu Evomo? Klickt hier!
  • Polylith: Aktuell gibt es einige Firmen, die Probleme durch einen “Crowd-Based” Ansatz lösen wollen. Polylith lagert die (test-driven) Software-Entwicklung an die Crowd aus. Sie nutzen Machine Learning, um die Qualität des Codes (und damit auch die Qualität der Crowd-Worker) festzustellen. Dafür haben sie clevere Annotations-Tools entwickelt. Klingt spannend? Hier erfahrt ihr mehr zu Polylith!
  • Amonilyzer: Die Jungs vom Amonilyzer sind in der Halbleiter-Industrie unterwegs. Sie wollen die Standzeiten / Reparaturzyklen der kleinen Transporter optimieren, die in einer Fabrik von A nach B fahren. Dafür nutzen sie historische Daten. Amonilyzer ist aktuell nur ein Projektname. Man wird von den Jungs in der Zukunft noch viel mehr hören.

IMG_7609

75 Teilnehmer waren zur 3. Auflage des Machine Learning Meetups (MLDD) gekommen. Neben einigen akademischen Teilnehmern waren auch viele Teilnehmer aus der Wirtschaft dabei. Auch Studenten und technisch-interessierte Menschen haben den Weg zum Meetup gefunden.

Ihr wollt das Machine Learning Meetup in Dresden auch besuchen? Tragt euch auf Meetup ein und erhaltet alle Neuigkeiten über das MLDD.

Adikteev – Dynamische Anzeigen erstellen – Dynamic Creative Optimization

Immer mehr Anzeigen werden dynamisch erstellt. Dabei orientieren sich die Anzeigenmacher an den Informationen, die sie über den Nutzer sammeln konnten. Daten aus der Vergangenheit und seine demographischen Spezifikationen helfen einem Dynamic Creative Optimization (DCO) System dabei, eine Ad für ihn zu generieren.

Dabei geht es vor allem um die Optimierung von:

  • Call to Action
  • Hintergrund
  • Wahl des Produktfotos
  • Animationen
  • Sättigung und Farbgebung

Die Firma Adikteev entwickelt solch ein System. Dieses System soll laut Angaben eine 50% höhere Conversion-Rate gegenüber der Testgruppe erzeugen. Getestet wurde das System bereits bei Gaming-Apps und Content-Portalen. Weitere Infos gibt es hier.

 

Text to Emoji mit DeepMoji vom MIT Media Lab

DeepMoji wurde vor ein paar Tagen vom MIT Media Lab gelauncht. Die KI erkennt, wenn ein einem Text Emotionen vorkommen – sogar Sarkasmus. Der geschriebene Text wird auf Emojis gemappt, die am besten zum Text passen. Gelernt wurde DeepMoji auf mehreren großen Corpora.

Hier gehts zum Paper von DeepMoji