Autor: Sabrina Jacob

Sehen, wohin es geht: Warum Visualisierungen für das agile Datenmanagement wichtig sind

Können Sie sich noch vorstellen ohne Hilfsmittel durch die Stadt zu navigieren? Was machen Menschen, denen das scheinbar mühelos gelingt anders? Der Schlüssel liegt in einem ungefähren inneren Stadtplan, den erfolgreiche Navigatoren nutzen. In diesem beachten sie vor allem auch Himmelsrichtungen und können so ihren Startpunkt und ihr Ziel auf ihrer inneren Karte in ein Verhältnis setzen.
Menschen, die sich dagegen beim Orientieren schwer tun, versuchen oft nur eine Folge von Abbiegevorgängen und bestimmten Straßennamen auswendig zu lernen. Vergessen sie einen Abbiegevorgang oder ist eine Straße gesperrt, fällt ihre Strategie zusammen wie ein Kartenhaus.
Ähnlich verhält es sich bei effizienter und erfolgreicher agiler Datenanalyse und im Datenmanagement: Echte Information lebt von ihrem Kontext und ihrer Transparenz.

Weiterlesen

Überwachtes Lernen anschaulich erklärt

Im Allgemeinen unterscheidet man im Machine Learning zwischen vier verschiedenen Typen von Modellen: Dem überwachten Lernen (supervised Learning), dem unüberwachten Lernen (unsupervised Learning), dem teilüberwachten Lernen und dem Reinforcement Learning. Dieser Artikel soll Einsteigern oder Nicht-Technikern das überwachte Lernen anschaulich näherbringen.

Weiterlesen

Machine Learning mit kundenspezifischen Daten

KI ist immer nur so gut, wie die Daten, die ihr zur Verfügung stehen. Für unterschiedliche Use-Cases benötigt man eine ausreichende Anzahl an Daten, um eine sehr gute Klassifikationsleistung zu erzielen. Oftmals geht es nicht nur um spezielle Domänen, bei denen man geringe Datenmengen durch Domain Adaptation oder Transfer Learning ausgleichen kann. Sondern darum, dass der Kunde eine ganz eigene Definition von Klassen benötigt. Machine Learning mit kundenspezifischen Daten ist hierbei der Schlüssel zum Erfolg.

Weiterlesen