13. März 2019

Künstliche Intelligenz & Machine Learning leicht gemacht auf der Minds Mastering Machines

Im Zeitalter der künstlichen Intelligenz stehen Unternehmen vor einigen Herausforderungen. Mit der Minds Mastering Machines (M3) vom 14. - 16. Mai 2019 im Congress Center Rosengarten Mannheim können sich die Experten miteinander austauschen, um Lösungsansätze zu erhalten. Auch wir wollen mit unserem GOLD-Sponsoring Messestand und drei Fachvorträgen einen entscheidenden Beitrag leisten, um den Alltag von Entwicklern einfacher zu gestalten.

Jede Menge Buzzwords wie künstliche Intelligenz, Machine Learning, Deep Learning und digitale Transformation führen bei Unternehmen zu Unsicherheiten: Wie gehen wir mit diesen Themen um? Welche Herausforderungen kommen auf uns zu? Welche Bereiche können mit selbstlernenden und teilautonomen Systemen optimiert werden? Welches System ist hier für mein Unternehmen geeignet? Und, wer kann dieses im Unternehmen entwickeln und ausbauen?

Hauke Brammer und Dr. Harald Bosch haben sich mit gleich drei Vortägen auf der Minds Mastering Machines (M3) vom 14. – 16. Mai 2019 im Congress Center Rosengarten Mannheim platziert. Und, weil wir für die Themen künstliche Intelligenz sowie Machine Learning brennen und Ihr Know-how in diesen Bereichen auf ein neues Level bringen wollen, sind wir mit einem GOLD-Sponsoring auf der Konferenz für Machine Learning und Künstliche Intelligenz.

bildhübsche fotografie | Andreas Körner | www.a-koerner.de | info@a-koerner.de | +49 711 22 11 20

1. Machine Learning for Beginners

Maschinelles Lernen erlaubt es, Prozesse zu automatisieren, die vormals eine menschliche Intelligenz benötigten. Aber was steckt dahinter und wie mache ich es mir zunutze?

In dem Beitrag „Machine Learning for Beginners – Klassisches ML“ am 14. Mai 2019 (11:00 – 18:00 Uhr) wollen Hauke Brammer und Dr. Harald Bosch mit Präsentationen und praktischen Übungen die Bausteine von maschinellen Lernverfahren als zentrale Elemente der künstlichen Intelligenz verstehen und einsetzen. Dabei erhalten Sie einen Überblick über Machine-Learning-Methoden und eine theoretische sowie praktische Einführung in Regressionen, Decision Trees und K-Means.

2. Bewertung verschiedener Ansätze für ein Vorschlagssystem in der Rechnungsstellung

Bei der Abrechnung von Leistungen sehen sich Heilberufe und Dienstleister gegenüber Versicherungen mit vielen Regularien konfrontiert. Beispielsweise hat jede Versicherung ein eigenes Leistungsverzeichnis, in welches die erbrachten Leistungen, Reparaturen oder Instandsetzungen einsortiert werden müssen. Sind bei der einen Versicherung viele Arbeitsschritte einer Leistung pauschal mit einem Rechnungsposten abgegolten, so müssen bei einer anderen Versicherung diese vielleicht als getrennte Positionen abgerechnet werden.

Diese Unterschiede machen die Rechnungsstellung arbeitsintensiv und fehleranfällig. Jede nicht abgerechnete Leistung ist ein monetärer Verlust. Ein erster Ansatz diese Situation zu verbessern ist die Implementierung eines Vorschlagssystems. Ähnlich zu den Kaufvorschlägen im Onlinehandel („andere Kunden kauften auch …“), können dem Sachbearbeiter abhängig vom Sachverhalt und den bereits hinzugefügten Rechnungspositionen weitere Vorschläge unterbreitet werden. Für diese Vorschläge können die Daten der Vergangenheit als Basis genommen werden. Hierzu möchte unser Kollege Dr. Harald Bosch am 15. Mai 2019 (14:15 – 15:00 Uhr) in seinem Vortrag „Recommender-Systeme für die Rechnungsstellung“ seine Erfahrung mit verschiedenen Lösungsansätzen für diese Herausforderung vorstellen.

bildhübsche fotografie | Andreas Körner | www.a-koerner.de | info@a-koerner.de | +49 711 22 11 20

3. Deep Learning mit Small Data

Big Data ist der Treibstoff für Deep Learning. Aber was kann ich tun, wenn meine vorhandene Datenmenge zu klein ist, um die Parameter meines Machine-Learning-Modells ausreichend zu trainieren? Dies ist eines der größten Hindernisse auf dem Weg zum erfolgreichen Einsatz von Machine Learning.

In Hauke Brammer´s Beitrag „Deep Learning mit Small Data” am 16. Mai 2019 (14:00 – 14:45 Uhr) werden die Herausforderungen von kleinen Datensets anschaulich erläutert. Anschließend werden Strategien vorgestellt, die auch mit Small Data zum Erfolg führen.

Dabei zeigt er auf, wie mit Hilfe von verschiedenen Data-Augmentation-Verfahren der Bild-, Text- oder Zeitreihen-Datensatz vergrößert werden kann. Auch der Einsatz von vortrainierten neuronalen Netzen und Transferlearning wird vorgestellt, damit Small Data nicht zu einem großen Problem wird.

Nehmen Sie teil an den Vorträgen von Hauke Brammer und Dr. Harald Bosch, gehen Sie damit eintscheidende Level voran und finden Sie den perfect flow in Sachen künstliche Intelligenz sowie Machine Learning!

4. Die Vorträge

>> Zum Vortrag von Hauke Brammer und Dr. Harald Bosch
>> Zum Vortrag von Dr. Harald Bosch
>> Zum Vortrag von Hauke Brammer

5. Mehr zur Minds Mastering Machines Konferenz

>> Infos rund um die Minds Mastering Machines Konferenz
>> Zur Anmeldung
>> Zum Programm

Diese Webseite verwendet Cookies, um Ihnen ein angenehmeres Surfen zu ermöglichen. Zur Datenschutzerklärung