Datenqualitätsmanagement (DQM) dient der Maximierung von Datenqualität. Dazu muss das Unternehmen vorhande „Daten-Metriken“ integrieren und auswerten. Um dies umzusetzen, muss das Unternehmen sowohl technische als auch fachliche Komponenten definieren. Dieser Beitrag beschreibt die technischen Komponenten.
Speziell wenn Unternehmen Data Warehouses nach einem standardisierten Muster wie z. B. Data Vault 2.0 umsetzen, müssen Entwickler viel Programmcode redundant schreiben. Um die Entwicklung zu vereinfachen, nutzen Unternehmen Data Warehouse Automatisierungstools. Wie eine solche Automatisierung mit WhereScape funktioniert, zeigt dieser Beitrag.
Die Antwort ist: Mit Decision Intelligence! Decision Intelligence vereint Data Science mit Kompetenzen aus den Sozialwissenschaften und dem Management, um mithilfe von Daten die optimale Entscheidung für ein Problem treffen zu können.
Die Lineare Regression wird unter anderem für Machine Learning verwendet und zählt zu den populärsten Modellierungsmethoden. Um lineare Regression erfolgreich zu implementieren, benötigt es verschiedene Schritte. Dazu gehört das Verstehen und Auswählen der Daten, die Auswahl der Parameter und die Validierung des Modells. Dieser Beitrag modelliert eine lineare Regression in Python und geht dabei vor… Weiter »
Deep Learning in einem Artikel zu behandeln ist beinahe unmöglich. In dem verlinkten Artikel ist dieser Versuch dennoch sehr gut geglückt. Die entscheidende Frage ist: „Warum funktioniert eigentlich Deep Learning?“ Das bleibt natürlich eine offene Frage – Gott sei Dank 😉.
Kann Alexa das nächste Gewitter vorhersagen und uns vor der nächsten globalen Krise retten? Wahrscheinlich nicht, aber Sie sollten sie auf jeden Fall fragen, ob Sie am Samstag Morgen eine Jacke zum Brunch benötigen.
Ein wunderbarer Überblick über das Thema „Künstliche Intelligenz KI“ (Artificial Intelligence) inklusive der gesellschaftlichen, wirtschaftlichen und ethischen Voraussetzungen, um KI zur neuen Erfolgswelle der Digitalisierung zu machen. Viele Beispiele runden dieses Thema ab.
In Verbesserte Workflows mit Natural Language Processing (NLP) beschrieben Sophie und Oliver, wie Firmen NLP für die Auswertung von Tätigkeitsberichten von Feldtechnikern nutzen können. Eine weitere Anwendung für NLP ist Topic Modeling. Zum Beispiel die Extraktion von Themen aus Nachrichtenartikeln*. Hier versucht ein Algorithmus, aus Nachrichtentiteln Themen zu extrahieren.
