Gedanken und Trends in der Technik

Google hat gerade sein Angebot für generative KI veröffentlicht. Was ist das und was bedeutet es für Sie?

Aufzeichnung des Webinars über generative KI für den Einsatz in Unternehmen: Wie man mit großen Sprachmodellen anfängt

Generative KI als Ihr Co-Pilot: spezialisierte KI-Modelle und ihre Auswirkungen auf Designinnovationen.

Entdecken Sie optische 3D-Erfassungsmethoden: Stereobildverarbeitung, strukturiertes Licht, Time of Flight und LiDAR.

Entdecken Sie die Leistungsfähigkeit der 3D-Computer-Vision und ihre Auswirkungen auf die Industrie. Erfahren Sie mehr über Vorteile, Anwendungen und Trends.

In diesem Blogpost untersuchen wir die verschiedenen Optionen, die es für die Nutzung von ChatGPT und anderen GPT-Modellen gibt. Für jede Option bestimmen wir die Risiken in Bezug auf Compliance, Sicherheit und Datenschutz.

In diesem Artikel tauchen wir in die Gedankenwelt von Kaat Van Doren, Head of Talent & Culture bei ML6, ein. In einem Podcast-Gespräch mit Cevora erkundet sie die Rolle der Neugier im Unternehmen und ihr eigenes Berufsleben.

LoRA revolutioniert die Feinabstimmung für große KI-Modelle und ermöglicht eine effiziente Anpassung, ohne die Ressourcen zu belasten. Erfahren Sie mehr über die Prinzipien, die Effektivität und die Auswirkungen auf die Open-Source-Community.

Entdecken Sie die wichtigsten Änderungen, die im EU-KI-Gesetz vorgeschlagen werden, einschließlich verbotener und risikoreicher Anwendungen, Vorschriften für Basismodelle und generative KI sowie die Auswirkungen auf Open-Source-Komponenten. Bereiten Sie sich auf kommende KI-Vorschriften und deren Auswirkungen vor.

Erforschung des Potenzials großer Sprachmodelle (LLMs) für Unternehmen: Modelle, Werkzeuge, Herausforderungen und Anwendungen

Dieser Blog-Beitrag befasst sich mit dem Prozess der Kennzeichnung von Sprachdaten für die automatische Spracherkennung (ASR).

Wir behandeln die Grundlagen von Sprachmodellen und wie sie auf den Daten Ihres Unternehmens trainiert werden können, um die Suchgenauigkeit zu verbessern, die Markierung zu automatisieren und sogar neue Inhalte zu erstellen.

Jens Bontinck, Head of Delivery & Advice, teilt seine Sicht auf den Status quo von AutoGPT. In diesem Blogpost werden Sie nicht erfahren, wie man es ausführt, und ich werde auch nicht auf Einzelheiten der technischen Lösung eingehen. Wenn Sie also ein Produktverantwortlicher, ein Funktionsanalytiker oder ein kommerzieller Enthusiast sind, sollte dies genau Ihr Ding sein. Ich freue mich auf Ihr Feedback!

Entdecken Sie die Wahrheit hinter dem Hype um ChatGPT und GPT-4. Lesen Sie, ob GPT-4 das Potenzial hat, das Spiel zu verändern, oder ob es nur ein weiteres Gimmick ist.

Jens Bontinck teilt seine Meinung zu einer neuen Technik namens Reflexion

Wie wir unsere Agenten auf ihrem persönlichen Weg zum Erfolg unterstützen.

In diesem Blogpost behandeln wir die wichtigsten Aspekte, wie Sie ein Computer-Vision-Problem durch die Beschriftung Ihrer eigenen Daten angehen können.

Verbesserung der Erkennung von Tennisplatzlinien durch maschinelles Lernen für Vorhersagen nahezu in Echtzeit.

Ein Leitfaden zur Auswahl des richtigen Frameworks für die Sprechertagebuchführung für Ihren Anwendungsfall.

Tipps, wie Sie sich im Einstellungsprozess zurechtfinden und herausfinden, welche Unternehmen zu Ihnen passen.

Dieser Blogbeitrag untersucht den aktuellen Stand der AutoML-Tools und ihre Fähigkeit, das Versprechen zu erfüllen, Aufgaben des maschinellen Lernens ohne Expertenwissen zu automatisieren.

Apache Beam verfügt über eine Vielzahl von E/A-Konnektoren, aber nicht alle Konnektoren sind in der von Ihnen gewählten Sprache verfügbar.

Die wichtigsten Erkenntnisse aus dem neuen KI-Tool Visual Inspection von Google Cloud.

Untersuchen Sie die praktische Umsetzung der dynamischen Preisgestaltung, ihre Effektivität, Herausforderungen und die Verwendung von Thompson-Stichproben zur Preisoptimierung.

Beispiele für den Einsatz von KI in den Bereichen Klimaschutz, saubere Energie, nachhaltige Industrie und Landwirtschaft.

Beispiele für KI-Anwendungsfälle in den Bereichen Verkehr und Mobilität sowie Umwelt und Ozeane.

Entdecken Sie, wie KI die Nachhaltigkeit in Energiesystemen und in der Fertigung vorantreibt, mit pragmatischen Anwendungsfällen zur Dekarbonisierung und Abfallreduzierung.

Identifizierung von Lücken in den Architekturen für SLR/SLT durch Berücksichtigung und Nutzung bestehender moderner Architekturen.

Semantische Suche aus geschäftlicher Sicht und wie sie einen Mehrwert für Ihre Geschäftsprozesse bringen kann.

Dieser Blogpost befasst sich mit der Notwendigkeit von MLOps und wie es hilft, die Komplexität von Modellen und Implementierungen für maschinelles Lernen zu verwalten. Zweitens geht es um die geschäftlichen Auswirkungen der Implementierung von MLOps als echtes Ökosystem. Schließlich werden die Herausforderungen beim Aufbau einer MLOps-Fähigkeit behandelt, um den Erfolg Ihrer Initiativen zum maschinellen Lernen in Ihrem Unternehmen sicherzustellen.

Einsatz einer Scikit-learn-Pipeline + LightGBM-Klassifikatormodell auf Vertex AI für erklärbare Online-Vorhersagen

Erkunden Sie den Bereich der hybriden KI, die maschinelles Lernen und Expertenregeln für optimale Ergebnisse kombiniert. Lernen Sie ihre Relevanz, Integrationsmethoden und Beispiele aus der Praxis kennen.

Gängige hybride NLP-Entwurfsmuster und Betrachtung von Beispielsituationen, in denen Sie sich für welches Muster entscheiden sollten.

Der Umgang mit Unsicherheit beim maschinellen Lernen: Prognose-, Regressions- und Klassifikationsmodelle.

Bei der Bereitstellung eines Transformer-Modells erhöht sich die Komplexität, da neben dem Modell auch die Bereitstellung des Tokenizers berücksichtigt werden muss. Ist es am besten, den Tokenizer auf dem Server einzusetzen oder ihn von den Endbenutzern handhaben zu lassen, und wie lässt sich der Tokenizer am besten zusammen mit dem Modell auf dem Server einsetzen, so dass die Latenzzeit und die Kosten für die Inferenz minimiert werden?

Was tun wir aber, wenn wir noch keine oder nicht genügend verwertbare Daten haben, um loszulegen? Eine offensichtliche Möglichkeit ist, (mehr) Daten zu sammeln. Heute wollen wir jedoch darüber hinausgehen. Wir werden uns drei weitere Dimensionen ansehen, die für die Freigabe von ML-Anwendungsfällen relevant sein können: Datenschutz, externe Daten und synthetische Daten.

Anwendungen der Verwendung von VQGAN in Kombination mit diskreten absorbierenden Diffusionsmodellen.

Wir überprüfen und vergleichen die bisherigen generativen SOTA-Modelle, von Autoencodern bis zu autoregressiven Modellen, und arbeiten uns zum diskreten absorbierenden Diffusionsmodell vor.

Entwicklung eines DALL-E-basierten Logo-Generators.

Erkennung von Fehlern in von Transformatoren erzeugten abstrakten Zusammenfassungen

Wie wir das Informationsmanagement bei ML6 angehen und wie unser technisches Radar uns dabei hilft.

In diesem Blogpost werden wir die Komplexität des Poolings entdecken, die sich hinter seiner scheinbaren Einfachheit verbirgt.

Erfahren Sie mehr über die Ähnlichkeiten und Unterschiede zwischen Transformatoren und Satz-Transformatoren.

Erfahren Sie in unserem Webinar über datenzentrierte KI mit praktischen Tipps und fortgeschrittenen Ansätzen, wie Sie die Qualität der Trainingsdaten verbessern und die Genauigkeit der KI-Modelle maximieren können.

Eine praktische Anleitung zur Erzeugung künstlicher Daten mit Unity Perception.

Einblicke, wie Sie Ihren Transformer kostengünstig in der Cloud betreiben können.

Wie man den Wert der Daten maximiert, um die Leistung von ML-Modellen zu verbessern und gleichzeitig die Kosten dafür zu minimieren.

Bewertung von Detic für die Objekterkennung von Tausenden von Klassen.

Gemeinsam mit SWISS KRONO hat ML6 die verschiedenen Anforderungen für KI-Anwendungsfälle ermittelt. Einige der wichtigsten Anforderungen sind eine solide Datenarchitektur und -infrastruktur, multidisziplinäre Teams und Unterstützung durch das Management/ die Organisation.

In diesem Blogpost richten wir einen Docker-Container ein, um eine NVIDIA Deepstream-Pipeline auf einer GPU oder einem Jetson auszuführen, und zeigen Ihnen einige Tricks, um das Beste daraus zu machen! Deepstreams Dokumentation, Anleitungen und Beispielprojekte sind rar gesät, daher soll dieser Artikel eine Referenz sein, um Sie von Deepstream Null zu Deepstream-hey-I-can-make-a-pipeline-now und darüber hinaus zu bringen!

Gekürzte Fassung des Vorschlags für ein KI-Gesetz: Was Sie wissen müssen.

Open Sourcing von niederländischen Zusammenfassungsdatensätzen für Transfer Learning

Ein praktischer Überblick über Information Retrieval, insbesondere die semantische Suche.

Warum wir bei ML6 eine Abteilung für ethische KI eingerichtet haben und was wir bisher gelernt haben.

In diesem Blogpost werfen wir einen Blick darauf, was Datenerweiterung ist und wie Sie effizient gute Strategien zur Datenerweiterung für Ihr Modell und Ihren Anwendungsfall entdecken können.

Eine kurze Einführung in die unüberwachte Erkennung von Anomalien und wie man sie anwendet.

Im Rahmen einer Partnerschaft mit den Organisationen Reef Support und Fruitpunch AI haben wir einen Algorithmus zur Bildsegmentierung entwickelt. Die größte Herausforderung dabei war die Art und Weise, wie die Daten beschriftet sind: Sie enthalten spärliche Pixelkommentare, die von Fachleuten erstellt wurden. Der Blogpost beschreibt auf einer hohen Ebene, wie wir diese Herausforderung gelöst haben und wie es in Zukunft weitergehen wird.

In diesem Blogpost befassen wir uns mit der Objekterkennung anhand von 3D-Tiefensensordaten. Wir erläutern, wie zwei neuere Ansätze, VoteNet und 3DETR, das Problem angehen, und vergleichen ihre Leistung sofort und nach der Feinabstimmung.

Entdecken Sie die Bedeutung von Explainable AI (XAI) für das Verständnis von maschinellen Lernmodellen und erkunden Sie praktische Fallstudien, darunter Googles Vertex Explainable AI Tool.

Neuronale Netze schneller trainieren mit JAX auf TPUs

Einführungs-Blogpost zu JAX: wie es funktioniert, wie es sich von Tensorflow/Pytorch unterscheidet und warum wir denken, dass jeder Ingenieur für maschinelles Lernen es zu seinem Arsenal an Tools hinzufügen sollte.

Wir untersuchen, wie die Connexion-Bibliothek das API-first-Design mit Python erleichtert und werfen einen Blick auf die Vorteile von API-first und vergleichen sie mit dem entgegengesetzten Ansatz von "code-first". Basierend auf einem Benchmarking und unseren Werten werden wir tiefer in die Frage eintauchen, warum wir dabei helfen, connexion zu erhalten.

Wir drehen das Rad und machen die unproduktivste Woche mit unseren Weihnachtsprojekten zur produktivsten Woche des Jahres.

Deepstream 6.0 Python Boilerplate für benutzerdefinierte KI-basierte Multi-Sensor-Verarbeitung und Video-Verständnis

Lernen Sie drei Möglichkeiten kennen, wie sich Wissensgraphen und maschinelles Lernen gegenseitig verstärken.

Der vortrainierte TabTransformer schneidet beim unüberwachten Vortraining auf tabellarischen Daten gut ab, aber LightGBM übertrifft ihn auf kleinen gelabelten Datensätzen.

Erfahren Sie, wie Sie das ByT5-Modell für die OCR-Korrektur verwenden, ein tokenfreies Modell, das mit Rohbytes von Text arbeitet.

Unternehmen in Branchen wie Medien, Finanzen, Rechtsprechung und vielen mehr neigen dazu, eine große Menge an mittelgroßen bis langen Dokumenten anzuhäufen. Die Verarbeitung dieser Dokumente kann eine Herausforderung sein. Wir gehen hier auf die drei wichtigsten Trends ein.

Ein praktischer Leitfaden für effiziente neuronale Netze: Modellkomprimierungstechniken wie Pruning, Quantisierung, Wissensdestillation und Optimierungstricks wie Gradient Checkpointing und Akkumulation.

Dieser Blogpost ist eine Einführung in Knowledge Graphs (Wissensgraphen) und ihre Anwendungsmöglichkeiten. Erfahren Sie, wie Sie Daten mit Knowledge Graphs strukturieren können.

Echtzeit-Erkennung von Tennis-Aktionen mit Movinet Stream: Sport-Videoanalyse in der realen Welt

Wir werden oft gefragt, wie man sehr kleine Objekte in hochauflösenden, d.h. sehr großen Bildern erkennen kann. Ein gutes Beispiel ist das Auffinden von Objekten in Luftbildern. In diesem Blogbeitrag soll ein praktischer Ansatz für dieses Problem mit Hilfe von Slicing Aided Hyper Inference (SAHI) vorgestellt werden.

In diesem Blogpost wird unser ML-Ingenieur Juta in die Welt der multimodalen KI eintauchen. Multimodale KI ist in der Lage, gleichzeitig über verschiedene Modalitäten wie Text und Bilder nachzudenken und führt zu einem allgemeineren Verständnis über verschiedene Bereiche hinweg.

Überwinden Sie Herausforderungen in der Fertigung mit KI und Google Cloud. Lernen Sie von praktischen ML6-Anwendungsfällen und nutzen Sie Umschulungsprogramme für maschinelles Lernen für verbesserte Abläufe.

Data Engineer Liam wirft einen Blick darauf, wie Pipelines auf dem neuen und verbesserten GCP-Produkt, Vertex AI Pipelines, bereitgestellt werden können. Das kürzlich veröffentlichte Tool verfolgt einen stärker verwalteten Ansatz für Pipelines in GCP, der die Ausführung von MLOps-Pipelines in der Cloud einfacher denn je zu machen verspricht.

Unsere Leiterin der Abteilung für ethische KI, Caroline , erläutert, warum Erklärbarkeit bei der Entwicklung von KI-Lösungen wichtig ist und wie die Implementierung von erklärbarer KI im gesamten ML-Projektzyklus aussehen sollte.

Die globale Erwärmung ist eines der größten Probleme, mit denen die Menschheit derzeit konfrontiert ist. Trotz der Bemühungen der Regierungen, den Ausstoß von Treibhausgasen zu reduzieren, steigen die Emissionen immer noch jeden Tag an. Mehr und mehr scheint die Technologie ein vielversprechendes Werkzeug zu sein, um dieses Problem zu bekämpfen. Aus diesem Grund haben wir von ML6 beschlossen, einige reale Anwendungsfälle aus vier verschiedenen Bereichen zu untersuchen, in denen maschinelles Lernen eingesetzt werden kann, um dem Planeten zu helfen.

In unserem letzten Blogpost haben wir darüber gesprochen, was vertrauenswürdige und ethische KI ist und wie wir bei ML6 unseren Kunden dabei helfen, durch unser Ethical AI Risk Assessment Vertrauen bei ihren Kunden und Mitarbeitern aufzubauen. In diesem Beitrag wollen wir es praktischer machen und zeigen, welche Dimensionen und Fragen wir bei einer solchen Bewertung berücksichtigen können.

Jenseits von Frames: Die Möglichkeiten der Videoanalyse ausschöpfen

Um unser Engagement für die Informationssicherheit zu belegen, ist unser Sicherheitsprogramm nach der Norm ISO/IEC 27001:2017 zertifiziert. Dieser international anerkannte Standard stellt Anforderungen an die Einrichtung, Implementierung, Aufrechterhaltung und kontinuierliche Verbesserung der Informationssicherheit innerhalb einer Organisation. In diesem Blogpost erklären wir das Warum, Was und Wie hinter unserer ISO 27001-Zertifizierung.

Wir werfen einen Blick darauf, wie Modelle auf dem neuen und verbesserten GCP-Produkt, Vertex AI, bereitgestellt und für Vorhersagen verwendet werden können. Die Plattform wurde vor ein paar Wochen eingeführt und neben dem Hinzufügen zusätzlicher Funktionen wurden auch bestehende Funktionen wie das Bereitstellen von Modellen für Vorhersagen aktualisiert und verbessert. Wir werfen einen Blick darauf, wie Endpunkte jetzt ein zentraler Bestandteil von Modellvorhersagen sind und wie Container die Bereitstellung von benutzerdefinierten Modellen sehr einfach gemacht haben.

Wir bekommen oft die Frage, ob wir die Verkaufsnachfrage für Kunden prognostizieren sollen. Kürzlich haben wir dies erfolgreich mit Prophet gemacht. Ein neues Paket namens NeuralProphet baut darauf auf: Es fügt einige neuronale Netze zum Mix hinzu. In diesem Blog-Beitrag vergleichen wir beide Zeitreihen-Prognosemodelle anhand eines realen Datensatzes. Wir prognostizieren B2C-Verkaufsmengen im Einzelhandel, um die Stärken und Schwächen beider Methoden herauszufinden.

ML6 gibt Einblicke und Erkenntnisse darüber, wie KI für Industrie 4.0 genutzt werden kann, basierend auf unseren Erfahrungen mit weltweit führenden Herstellern.

KI kann einen bedeutenden Beitrag bei der Herstellung leisten, indem sie schnelleres Handeln und Entscheiden, innovative Produkt-, Dienstleistungs- und Materialdesigns, verbesserte Effizienz, höhere Präzision und niedrigere Kosten ermöglicht. Es ist Zeit für einen Wechsel. Sie können KI ermöglichen, ohne dass hohe Investitionen oder große Prozessumgestaltungen erforderlich sind. Sie müssen nur die richtigen Möglichkeiten identifizieren, um produktiver und nachhaltiger zu werden.

In diesem Blogpost stellen wir uns der Herausforderung, die richtige Kamera für Ihre Computer-Vision-Projekte auszuwählen, indem wir einige wichtige Kameramerkmale und -funktionen erläutern, die Ihnen bei der Entscheidung für eine Kamera helfen werden.

In diesem Blog werden wir einige dringende Herausforderungen in der Life-Science-Fertigungsindustrie aufdecken und aufzeigen, wie Durchbrüche bei den Techniken des maschinellen Lernens messbare Erträge bieten.

In diesem Blogpost erklären wir, wie KI helfen kann, typische Herausforderungen im Geschäftsmodell von Life-Science-Unternehmen zu lösen.

Erfahren Sie, wie intelligente Technologie die Beschaffungsprozesse mit den Erkenntnissen von Iron Mountain, Google Cloud und ML6 optimieren kann.

Was ist ethische und vertrauenswürdige KI und wie helfen wir von ML6 unseren Kunden, den vollen Wert von KI zu erschließen und Vertrauen bei ihren Kunden, Mitarbeitern und der Gesellschaft als Ganzes aufzubauen.

Mit unseren Advisory Services unterstützen wir Kunden dabei, die Einführung von KI und Advanced Analytics zu beschleunigen, indem wir konkrete Empfehlungen für ihre Daten- & Cloud-Architektur und Anwendungslandschaft geben. In Koen's neuestem Blogpost erklärt er unsere Sicht auf das moderne Unternehmensteam und teilt fünf Tipps und Tricks, wie Sie das Beste aus Ihren Daten machen und sich für den Erfolg organisieren.

Analytic-Engineers? Analytic Engineering? Ein weiterer neuer Begriff in der Datenwelt oder ein Beispiel für cleveres Marketing? Analytic Engineering ist ein Begriff, der von dem Team hinter Dbt, dem Data Build Tool, geprägt wurde. Dbt und das kürzlich übernommene DataForm sind Tools, die Data Engineering und Data Governance für in SQL ausgedrückte Datenpipelines vereinfachen.

Daten sind der "Treibstoff" für ML. Dennoch ist es in vielen Projekten immer noch eine Herausforderung, die Daten richtig zu nutzen. Gründe dafür sind fehlende Dokumentation, Probleme mit der Datenqualität, fehlende historische Daten, Skalierbarkeitsprobleme mit Datenplattformen und ein allgemeiner Mangel an Verantwortung.

Aufbau einer zukunftssicheren Datenarchitektur: Wichtige Einblicke und Empfehlungen

Verbesserung von Python-Schnittstellen mit Nur-Schlüsselwort-Argumenten

Vor kurzem haben wir uns über die Nachricht gefreut, dass ML6 bei den prestigeträchtigen Data News Awards for Excellence den Preis "AI Innovator of the Year" 2020 gewonnen hat. Um unsere Auszeichnung zu feiern, möchten wir einen Blick hinter die Kulissen werfen, wie wir bei ML6 Innovation fördern.

Dieser Blog-Beitrag erklärt und demonstriert, wie man den Prozess der Objekterkennung optimiert, wenn man eine hohe Genauigkeit anstrebt, indem man das leichtgewichtige Objekterkennungsmodell EfficientDet von Google verwendet.

Implementierung einer Zero-Trust-Architektur für sichere Fernarbeit

Homomorphe Verschlüsselung für Deep Learning mit Intels HE-Transformer - Untersuchung der Möglichkeiten, ein ML-Modell so zu hosten, dass es mit Hilfe homomorpher Verschlüsselung Inferenzen auf verschlüsselten Daten durchführt.

5 KI-Anwendungen zur Verbesserung der Einzelhandelsstrategie von heute

Erkundung von Googles Edge TPU: Was es ist, wie es funktioniert und warum es wichtig ist