Ressourcenbibliothek

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

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

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.

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.

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.

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

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.

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.

Neuronale Netze schneller trainieren mit JAX auf TPUs

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

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

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

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

Aufbau einer zukunftssicheren Datenarchitektur: Wichtige Einblicke und Empfehlungen

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

Bewertung von Detic für die Objekterkennung von Tausenden von Klassen.

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

Googles EdgeTPU Dev Board übertrifft Intels Movidius Stick mit einer >10-fachen Beschleunigung der Inferenzzeit.

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

Open Sourcing von niederländischen Zusammenfassungsdatensätzen für Transfer Learning

Implementierung einer Zero-Trust-Architektur für sichere Fernarbeit

Jens Bontinck teilt seine Meinung zu einer neuen Technik namens Reflexion

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.

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.

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.

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.

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

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.

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.

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

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

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, 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!

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.

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.

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.

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

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

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

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

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.

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

Eine praktische Anleitung zur Erzeugung künstlicher Daten mit Unity Perception.

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

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

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

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.

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?

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.

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

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

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

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

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.

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.

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.

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!

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.

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.

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

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

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

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.

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.

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

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.

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 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.

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.

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.

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.

Erkennung von Fehlern in von Transformatoren erzeugten abstrakten Zusammenfassungen

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

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.

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

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

Verbesserung von Python-Schnittstellen mit Nur-Schlüsselwort-Argumenten

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.

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

Entwicklung eines DALL-E-basierten Logo-Generators.

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

Wir werden Sie durch die technische Architektur von TalkNet führen, um Ihnen ein grundlegendes technisches Verständnis zu vermitteln. Anschließend zeigen wir Ihnen, wie Sie dieses selbst auf der Grundlage Ihrer eigenen Daten trainieren können.

Jenseits von Frames: Die Möglichkeiten der Videoanalyse ausschöpfen

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.

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.

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.

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.

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

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.

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.

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

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

Log4Shell hat Sicherheitsteams auf der ganzen Welt auf Trab gehalten. In diesem Blog-Beitrag erfahren Sie, wie und warum wir eine Live-Bedrohungskarte auf der Grundlage von Google Cloud erstellt haben, um Cyberangriffe und Log4j-Exploits zu erkennen und zu visualisieren.

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