Tag: NVIDIA

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/program. Weitere Informationen und Tickets finden Interessenten unter: https://mlconference.ai/

(PM von sandsmedia)

Monthly Summary – Das war der Dezember 2016

Was ist im Dezember passiert? Welche Schlagzeilen dominierten die News und was gibt es neues aus der Wissenschaft? Wir fassen alle relevanten Informationen zusammen und berichten über die kommenden Trends. Unser Monthly Summary ist eine Zusammenfassung für Entscheider, Management oder Entwickler aus den Bereichen Künstliche Intelligenz und Informationstechnologien. Diesen Monat haben wir aus 293 Artikeln das Relevanteste zusammengefasst.

Im Spotlight: Service, Service, Servie

In diesem Monat drehte sich alles um die Automatisierung von Service-Dienstleistungen. Eigentlich ein vernünftiger Schritt, denn die meisten Service-Anfragen sind schnell beantwortet und fast immer identisch. Menschen sollten sich auf die schwerlösbaren Probleme konzentrieren. Diese Firmen haben im Dezember vorgelegt:

  • Starbucks will schnelleren Service anbieten und auf Bots setzen. Hier gehts zum Artikel.
  • IBM hat sich auch fest vorgenommen, Service zu automatisieren, schreibt die adWeek.
  • Auch Meedia sieht Chat-Bots als den digitalen Trend im kommenden Jahr. Hier gehts zum Artikel.

 

Neues aus der Wirtschaft

Bier brauen war bisher immer in der Hand von Menschen. Nun hat sich eine kĂĽnstliche Intelligenz auf den Weg gemacht, das beste Bier der Welt zu brauen. In London sitzt ein Startup, dass es sich zur Aufgabe gemacht hat, iterativ Bier zu brauen. Sie sammeln das Feedback der Kunden. Auf Basis dieser Informationen braut das Unternehmen dann Bier. Hier gehts zum Artikel ĂĽber IntelligentX.

ApplyMagicSauce – was verrät Facebook dem Politiker? Der Dezember war auch der Monat, in dem die Nachwehen der U.S.-Präsidentschaftswahlen zu spĂĽren waren – nämlich in Form von Marketing. Alexander Nix von Cambridge Analytica berichtete darĂĽber, wie seine Firma Donald Trump dazu verholfen haben soll, Präsident zu werden. Auch viele Firmenkunden soll Cambridge Analytica bereits haben. Auf der Seite ApplyMagicSauce kann man sich selbst screenen. Viel SpaĂź dabei!

Audi präsentiert Einpark-Algorithmen auf der NIPS. Auf einer der größten Fachkonferenzen hat Audi in einem Showcase verschiedene Strategien zum automatisierten Einparken vorgestellt. Dabei wurde ein Audi Q2 Modell im Maßstab 1:8 benutzt. Das System nennt sich zFAS (zentrales Fahrerassistenzsteuergerät) und wurde zusammen mit NVIDIA entwickelt. Audi arbeitet schon seit einigen Jahren zusammen mit NVIDIA an dieser und anderen Technologien. Hier gehts zum Artikel.

Wie Price Waterhouse Cooper die Versicherungsbranche verunsichert. PWC hat Anfang des Jahres eine Studie plus Report zum Thema Machine Learning in der Versicherungsbranche veröffentlicht. Nun springen Geico (großer Versicherungskonzern in den USA) und weitere Mitbewerber auf diesen Zug auf und kündigen an, dass das Ausfüllen von Formularen zukünftig KI-assistiert verlaufen soll. Hier gehts zum Report von PWC vom März.

Kurz notiert. Amazon mit einer weiteren Promo für die Zustellung per Drohne. Eine KI für Personaler. Apple fängt endlich auch mal an Forschungen öffentlich zu machen: superrealistische Fotos. Adobe launcht Adobe Sensei.

 

Neues aus der Wissenschaft

Eine KI die eine Kolonie von Fliegen bewacht. In Minnesota hat ein Forscherteam ein Projekt namens flyAI auf die Beine gestellt. Dabei wurde eine KI installiert, die eine Kolonie von Fliegen bewacht. Sie regelt alles, was die Fliegen zum leben brauchen. Hier gehts zum Artikel ĂĽber flyAI.

Begünstigt AI das Erstellen von Fakes? Ja, absolut. Lässt man sich die Frage durch den Kopf gehen, denkt man direkt an Fake-Identitäten, die sich textlich mit einem Menschen auseinander setzen. Hier gehen wir aber einen Schritt weiter: Bilder! Und nicht von nur von menschlichen Identitäten. Prinzipiell kann eine Intelligenz die genügend Bilder gesehen hat, um abstrakte Konzepte zu lernen, alles faken. Geht nicht? Hier geht es zum Artikel über Fake-Images mithilfe von Deep Learning. Oder: Artikel überspringen und direkt zum Paper.

 

Notable Papers

Florian Tramér et al. (Polytech Lausanne, Cornell University und University of North Carolina) haben untersucht, wie man Modelle von Anbietern über API-Calls nachbauen kann. Hierbei geht es darum, die Datenpunkte die man dem Dienstleister schickt, als eigene Trainingsdaten zu verstehen, die man nachfolgend nutzen kann, um eigene Modelle zu trainieren. Hier gehts zu Stealing Machine Learning Models via Prediction APIs.

Vıt Perzina und Jan M. Swart (Univerzita Karlova und Institute of Information Theory and Automation of the ASCR Praha) wenden das Stigler-Luckock Modell auf den Bücherverkauf sowie -lagerung an und gehen der Frage nach: How many market makers does a market need?

Huan Song et al. (Arizona State University, Lawrence Livermore National Labs und IBM T.J. Watson Research Center) experimentieren mit verschiedenen Kernel-Funktionen und gehen der Frage nach, wie man mehrere Kernels von verschiedenen oder gleichartigen Klassifikatoren miteinander verheiraten kann. Dabei legen sie das Augenmerk auf statistische Kernel- und Aggregationsfunktionen – auch mit Deep Learning ähnlichen Methoden. Hier gehts zu A Deep Learning Approach to Multiple Kernel Fusion.

Ankesh Anand, Tanmoy Chakraborty und Noseong Park (Indian Institute of Technology, University of Maryland, University of North Carolina) sind dem Thema Clickbaits nachgegangen. Sie haben ein Neuronales Netzwerk trainiert, um Clickbaits zu identifizieren. Laut ihrer Experimente arbeitet das Modell richtig gut. Ăśberzeugt euch selbst, hier gehts zu You won’t believe what happened next!

Ăśber den Tellerrand

Technik ist immer ideell. Erst unsere Anwendung der Technik eröffnet den Raum für Wertung. Deshalb ist es wichtig, dass man sich mit der Philosophie und Ethik hinter den Maschinen beschäftigt. Hier haben wir 2 Artikel gesammelt, die helfen sollen, über den Tellerrand zu schauen.

Sangbae Kim baut Roboter, die in Krisen eingesetzt werden können. Warum er es macht und vor allem wie, darum geht es hier.

Kognitionsforscher Joscha Bach darĂĽber wie sich Menschen und Roboter entwickeln. Er sagt: Unser Geist liegt in Fesseln.

Das war der Dezember! Danke fürs Lesen. Wir sind offen für Verbesserungen und Vorschläge. Kontaktiert uns auf Twitter.