Beschreibung Anwendung
Wirtschaftsprüfer*innen arbeiten meist noch ohne jegliche Unterstützung von Machine-Learning-Algorithmen. ALI ist ein KI-basiertes Recommender-System, das große Teile des Auditing-Prozesses automatisieren kann und bereits von PriceWaterhouseCoopers GmbH genutzt wird.
Das Schreiben von Code ist ein wesentlicher Bestandteil des Alltags eines Data Scientist. Die Snippet Library-Erweiterung dient zur Unterstützung und ermöglicht die schnelle und einfache Entwicklung von Datenanalyse-Workflows.
Bereits in der experimentellen Phase des Maschinellen Lernens können Trainingsvorgänge übersichtlich und nachvollziehbar strukturiert werden. Dieser Beitrag stellt ein hilfreiches Tool für diesen Zweck vor.
Fake News werden als eine der größten Herausforderungen unserer Zeit eingestuft. Aber kann Maschinelles Lernen bei der Erkennung von Fake News unterstützen? Wir zeigen die Grenzen und Potentiale auf.
Within Computer Vision, humans define how machines interpret the world. Researchers at the Weizenbaum Institute identified power differentials and commercial interests in data annotation that influence how systems learn to “see“.
Feindliche Angriffe auf Vorhersagemodelle des Maschinellen Lernens, zum Beispiel beim autonomen Fahren, könnten zu großem (Personen-)Schaden führen. Mit Hilfe von Abwehrmechanismen können ML-Modelle geschützt und ihre Robustheit gegenüber Angriffen erhöht werden.
Bei der Anwendung von ML-Lösungen im operativen Betrieb stehen Anwender vor diversen technischen und organisatorischen Herausforderungen. MLOps beschreibt einen ganzheitlichen Prozessansatz, der diese Herausforderungen mit geeigneten Methoden und Werkzeugen löst.
Finanzdokumente enthalten sensible Informationen, die die Nutzung und Verarbeitung der Daten nur für autorisierte Personen zulässt. Das Anonymizer-Tool schwärzt diese Informationen durch natürliche Sprachverarbeitungs- und Deep Learning-Techniken sowie einer regelbasierten Nachbearbeitung.
Die Lokalisierung von autonom fahrenden Robotern ist essentiell für ihre Navigation im Raum. ML2R-Wissenschaftler*innen entwickelten eine Methode, welche es Robotern ohne Vorwissen und mittels Bodenkamera ermöglicht, ihre räumliche Position zu bestimmen.
