Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

In 2020, the annual joint workshop of the Fraunhofer IOSB and the Vision and Fusion Laboratory of the KIT was hosted at the IOSB in Karlsruhe. For a week from the 27th to the 31st July the doctoral students of both institutions presented extensive reports on the status of their research and discussed topics ranging from computer vision and optical metrology to network security, usage control and machine learning. The results and ideas presented at the workshop are collected in this book.

Maths for computer scientists --- KI --- maschinelles Lernen --- computer vision --- usage control --- Metrologie --- machine learning --- metrology

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Long description: Das Thema künstliche Intelligenz ist in aller Munde. Wie kann auch Ihr Unternehmen KI nutzen und davon profitieren? Dieses Buch bietet anhand eingängiger Beispiele eine pragmatische Einführung in dieses spannende Themenfeld. Der Autor setzt den Fokus auf ein Verständnis der grundlegenden Begriffe und Konzepte sowie der praktischen Durchführung von KI-Projekten. Dabei werden Sie durch Glossare und Checklisten tatkräftig unterstützt. So können Sie die Ergebnisse von KI-Projekten kompetent beurteilen, die richtigen Fragen stellen und fundiert entscheiden.Inhalt:Grundlagen maschinelles Lernen und BuzzwordsKI-Projektmanagement: Struktur, Planung, Ziele Aufbereitung und Visualisierung der Daten, um wertvolle Einsichten zu gewinnenKI nutzen, um Ereignisse und Entwicklungen zu prognostizieren bzw. ungewöhnliche Konstellationen zu erkennenNachhaltige produktive Umsetzung von KI im UnternehmenMit Checklisten und umfangreichem Glossar Biographical note: Stephan Matzka Dr. Stephan Matzka ist Professor für Mechatronik im Studiengang Maschinenbau der HTW Berlin. Zuvor war er Abteilungsleiter für Automatisierungstechnik im weltweit größten Automobilkonzern. Heute ist er zudem als Berater und Mentor bei Industrie-4.0.-Projekten mit Fokus auf KI tätig - hier insbesondere bei Schaffung von Beurteilungskompetenzen der Mitarbeiter. Daneben ist er Trainer sowohl bei der Haufe Akademie als auch bei der Haufe-e-Academy.

Datenanalyse --- Big Data --- Künstliche Intelligenz --- neuronale Netzwerke --- KI --- Data Mining --- Datenbereinigung --- Maschinelles Lernen --- clustering --- AI --- Explorative Analyse --- CRISP-DM

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Long description: Bewährte Praxislösungen für komplexe Machine-Learning-Aufgaben Behandelt alle Phasen der ML-Produktpipeline Klar strukturierter Aufbau: Konzepte und Zusammenhänge erschließen sich dadurch schnell Fokus auf TensorFlow, aber auch übertragbar auf PyTorch-Projekte Die Design Patterns in diesem Buch zeigen praxiserprobte Methoden und Lösungen für wiederkehrende Aufgaben beim Machine Learning. Die Autoren, drei Machine-Learning-Experten bei Google, beschreiben bewährte Herangehensweisen, um Data Scientists und Data Engineers bei der Lösung gängiger Probleme im gesamten ML-Prozess zu unterstützen. Die Patterns bündeln die Erfahrungen von Hunderten von Experten und bieten einfache, zugängliche Best Practices.In diesem Buch finden Sie detaillierte Erläuterungen zu 30 Patterns für diese Themen: Daten- und Problemdarstellung, Operationalisierung, Wiederholbarkeit, Reproduzierbarkeit, Flexibilität, Erklärbarkeit und Fairness. Jedes Pattern enthält eine Beschreibung des Problems, eine Vielzahl möglicher Lösungen und Empfehlungen für die Auswahl der besten Technik für Ihre Situation. Biographical note: Valliappa Lakshmanan ist Global Head für Datenanalyse und KI-Lösungen bei Google Cloud. Sara Robinson ist Developer Advocate im Google-Cloud-Team, sie ist spezialisiert auf Machine Learning. Michael Munn ist ML Solutions Engineer bei Google. Er unterstützt Kunden bei der Entwicklung, Implementierung und Bereitstellung von Machine-Learning-Modellen.

Entwurfsmuster --- Python --- Künstliche Intelligenz --- Neuronale Netze --- KI --- Artificial Intelligence --- Deep Learning --- DevOps --- Maschinelles Lernen --- scikit-learn --- AI --- Statistische Datenanalyse --- TensorFlow --- PyTorch --- Machine Learning Operations

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Long description: Die fünfte Mobilfunkgeneration, kurz 5G, hat ein großes Potential durch neue Verfahren und Anwendungen die Wettbewerbsfähigkeit der deutschen Industrie entscheidend zu stärken. 5G ermöglicht effizientere Prozesse für Industrie 4.0, autonomes Fahren, Gesundheitswesen, digitale Landwirtschaft, Smart Grids, Smart Cities und vieles mehr. Dies wird erreicht durch die große Flexibilität des Systems dank Network und Radio Slicing. Mit Campus-Lösungen können Firmen sogar ein eigenes abgeschottetes 5G-Netz aufbauen. Andererseits bieten für viele Problemstellungen neue WLAN-Standards, LoRaWAN oder LTE basiertes NB-IoT interessante Alternativen. Und neue Ansätze für 6G nutzen das Potential der künstlichen Intelligenz und des maschinellen Lernens, um Funknetze dynamisch und autonom an sich ändernde Bedingungen anzupassen und zu optimieren. Um innovative und praxisrelevante Lösungen zu diskutieren bringt die VDE/ITG Fachtagung Mobilkommunikation Forscher, Entwickler und Anwender zum Ideen- und Meinungsaustausch zusammen. Dieser fruchtbare Austausch jährt sich nun zum 25. Mal und die Tagung feiert ein kleines Jubiläum. Das Ziel der ITG Fachtagung Mobilkommunikation ist es, innovative Technologien und Anwendungen zu diskutieren, die den mobilen Zugriff auf wertvolle Multimedia- und IoT-Dienste ermöglichen. Die Themen umfassen Funktechnologien, Radio Ressource Management, maschinelles Lernen und KI für Kommunikationsnetze, Virtualisierungs- und Cloud-Technologien, Dienste und Diensteplattformen sowie Sicherheit für die zukünftig weltweit vernetzte und damit angreifbare Infrastruktur. Das Schwerpunktthema der diesjährigen Tagung lautet „Evolution der Funknetze: von 5G zu 6G. Dieses Thema soll auf der Tagung in drei Key Notes adressiert und acht Sitzungen diskutiert werden. Die Sitzungen widmen sich den Themen 5G, 6G, LoRaWAN, WiFi, Sensornetze, Fahrzeugkommunikation, Edge Computing sowie insbesondere dem Einsatz von KI für Funknetzoptimierungen.

M2M --- Funknetze --- WLAN --- Mobilkommunikation --- Internet der Dinge --- LTE --- Maschinelles Lernen --- Industrial Radio --- LoRaWAN --- D2D-Kommunkation --- Drahtloses Sensornetz --- Mobile Edge Computing --- Mobile und drahtlose Netze --- NB-IoT --- Network Softwarization --- Radio Ressource Management

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Dieses Buch ist eine Open-Access-Publikation unter einer CC BY 4.0 Lizenz. Wie können wir die digitale Transformation in der Wirtschaft bewältigen und dabei die Souveränität von allen Beteiligten fördern? Dieser Frage widmet sich der Band des Instituts für Innovation und Technik (iit) zum gleichnamigen Symposium mit dem Titel „Digitalisierung souverän gestalten – Innovationen im Maschinenbau“. Er enthält elf Beiträge von Expert:innen verschiedenster Disziplinen. Betrachtet werden darin Herausforderungen und Lösungsansätze für Unternehmen und ihre Beschäftigten, aber auch politische Akteure und Intermediäre wie etwa Verbände. Zu den Themen gehören beispielsweise Kompetenzen für digitalisierte Arbeitsplätze, maschinelles Lernen zur Programmierung von Werkzeugmaschinen, künstliche Intelligenz in der Produktentstehung, aber auch plattformbasierte Dienstleistungen oder Geschäftsmodelle im Werkzeugmaschinenbau. Darüber hinaus werden übergreifende juristische Fragen ebenso aufgegriffen wie Implikationen für den Standort Deutschland.

Mechanical engineering. --- Business. --- Management science. --- Industrial organization. --- Mechanical Engineering. --- Business and Management, general. --- Industrial Organization. --- Industries --- Organization --- Industrial concentration --- Industrial management --- Industrial sociology --- Quantitative business analysis --- Management --- Problem solving --- Operations research --- Statistical decision --- Trade --- Economics --- Commerce --- Engineering, Mechanical --- Engineering --- Machinery --- Steam engineering --- Mechanical Engineering --- Business and Management, general --- Industrial Organization --- Innovation and Technology Management --- Digitale Souveränität --- Werkzeugmaschinenbau --- Künstliche Intelligenz --- Geschäftsmodelle --- Maschinelles Lernen --- Mensch-Maschine-Interaktionen --- Arbeitsplatzgestaltung --- Open Access --- Business & Management --- Economics of industrial organisation