Schlüsseltechnologie der Digitalisierung

Was ist künstliche Intelligenz, Machine Learning und Data Science?

Philipp Koch hat sich bei der TINCON einmal ganz nüchtern mit dem Thema auseinandersetzt und erklärt, was sich hinter den Begriffen verbirgt.

KI – Künstliche Intelligenz ist für viele nur ein bekanntes Buzzword. Das Problem hierbei ist, dass man sich leicht vor unverständlichen Konzepten fürchtet und KI für viele etwas „Magisches“ und Unverständliches hat. Philipp hat auf den Tincon den Begriff etwas entzaubert und auf der Bühne erklärt, wofür KI heute steht und wie Neuronale Netze und Machine Learning funktionieren.

Ein Mitarbeiter experimentiert mit einem Oszilloskop, um Musik mit Hilfe von Künstlicher Intelligenz in Bilder umzuwandeln.

Welche Arten des Machine Learning gibt es?

Überwachtes vs. unüberwachtes Lernen

In der praktischen Umsetzung von Machine Learning werden von unseren Entwickler:innen Algorithmen gebaut, die quasi ein “künstliches“ Wissen aus Erfahrung - bzw. Daten- generieren. Dabei lassen sich grundlegend zwei unterschiedliche Arten des Lernens unterteilen: Überwachtes Lernen und Unüberwachtes Lernen.

Philipp Koch (Limebit Gründer) hält am 26.09.2019 bei Vodafone in Hannover einen Vortrag zum Thema Künstliche Intelligenz vor Publikum

Vodafone Hannover 26.09.2019, Fotograf Gökce Narttek

Wo findet die Technologie ihre Anwendung?

Einsatzgebiete von Machine Learning und Data Science

Mit der zunehmenden Verfügbarkeit großer strukturierter und unstrukturierter Datenmengen aus vielerlei Quellen, wie Ton, Text, Bild und Sensordaten, mit denen sich Lernalgorithmen trainieren lassen, wird Machine Learning und Data Science für Optimierungsaufgaben immer interessanter. Machine Learning hilft, komplexe Daten schneller und gezielter einzuordnen und zu organisieren. Standardisierbare Arbeit lässt sich damit zunehmend intelligenter automatisieren. Data Science findet durch die Unterstützung vom Machine Learning immer mehr praktische, unternehmerische Anwendungen.

Einen Überblick möglicher Anwendungsgebiete finden Sie hier.

Data Science aus der Praxis: Unser Projekt Open Discourse

Open Discourse ist ein gemeinnütziges Projekt unser Mitarbeiter:innen, das an der Schnittstelle von Data Science und Politikwissenschaften zum Einsatz kommt.

Im Dezember 2020 haben wir beim Chaos Communication Congress unser Projekt das erste Mal der Öffentlichkeit vorgestellt. In unserem Talk erklären Philipp und Florian, woher die Motivation für Open Discourse kam, wie die Daten aufbereitet wurden und wie man auf die Daten zugreifen kann. Zusätzlich zeigen die Beiden anhand der Themenfelder Datenschutz und Klimawandel, wie der Bundestag sich mit diesen Themen historisch auseinander gesetzt hat und welche Politiker:innen und Parteien die Themen besonders (un-)interessant fanden.

Bleiben noch Fragen offen?

Tauchen Sie ein in die Welt der Daten bei einem spannenden Tech-Talk von einem unserer Expert:innen, ganz entspannt, z.B. während Ihrer Mittagspause im Büro oder einer Video-Konferenz. Kurz und knapp erklären wir Ihnen persönlich das Konzept und Potential von Künstlicher Intelligenz. Ob als leichte Kost für Einsteiger:innen oder mit technischen Details für besonders Hungrige.

Wir kommen gern auf ein Educational Lunch bei Ihnen im Team vorbei!

Haben Sie ein Projekt, bei dem wir Sie
unterstützen können?

Unternehmen & Institutionen, bei denen wir zum Thema Künstliche Inzelligenz gesprochen haben

Vodafone Logo
VW Logo
DPD Logo
Barmer Logo
Goethe Institut Logo
Fachhochschule für Ökonomie & Management Logo
Wikipedia Logo
Hochschule Fulda Logo
Wikipedia Logo
Hänel Logo
Hochschule für Medien und Kommunikation Logo
Hochschule Mainz Logo
KVB Logo
MDM Logo
Virtual Identity Logo
Yxlon Logo
Schreibtisch mit Laptop, Tablet und 2 Limebit Mitarbeitern, die gemeinsam an einem Projekt arbeiten. #teamwork

Einsteiger:innen Schulungsmaterial Machine Learning

Für einige von Limebit geführte Vorlesungen und Schulungen finden Sie hier entsprechendes Begleitmaterial

Jupyter Notebooks eignen sich gut zur Exploration, Visualisierung und Dokumentation von Data Science Arbeit. Limebit hält mehrere Lehraufträge an Hochschulen und veröffentlicht hier Notebooks als Grundlage für Erläuterungen und sowie umfangreiche Beispiele.

Jupyter

Baummethoden Tutorial (Python)

Baummethoden (Decision Trees, Random Forests & K-Folding)

Jupyter

Kreuzvalidierung Tutorial (Python)

Kreuzvalidierung from Scratch

Jupyter

Regressionen Tutorial (Python)

Lineare Regressionen und Gradient-Descent (Gradientenverfahren)

Jupyter

Regressionen Tutorial (Python)

Lineare und Polynomiale, multivariate Regressionen

Jupyter

Perceptron Tutorial (Python)

Perceptron Learning Algorithm

Jupyter

KNN & SVM Tutorial (Python)

k-Nearest Neighbors (kNN) und Support Vector Machine (SVM)

Haben Sie ein Projekt, bei dem wir Sie
unterstützen können?