dida Logo
English

Blog

About machine learning, its practical applications and some theoretical considerations

Empfohlen

11. April

2023

Wie ChatGPT mit Hilfe von Reinforcement Learning optimiert wird

Geschrieben von Thanh Long Phan

In this blog post, we present an overview of the training process of ChatGPT and have a closer look at the use of Reinforcement Learning in language modeling.

2. August

2023

Was ist Meta-Learning? Vorteile, Anwendungen & Herausforderungen

3. April

2023

Frühzeitige Klassifizierung von Anbauflächen anhand von Satellitenbild-Zeitreihen

14. März

2023

Mit Machine Learning die Umwelt schützen

13. Januar

2023

Mehrschichtige Requirements mit pip-tools verwalten

Computer Vision

Maschinen das Sehen beibringen

Computer Vision

Frühzeitige Klassifizierung von Anbauflächen anhand von Satellitenbild-Zeitreihen

Von Tiago Sanona • 3. April 2023

Wir erläutern einen Deep Learning-Algorithmus zur Klassifizierung von Kulturpflanzenarten aus Satelliten-Zeitreihendaten.
Einführendes

Mit Machine Learning die Umwelt schützen

Von Edit Szügyi • 14. März 2023

Der Schutz der natürlichen Umwelt ist die wohl größte Herausforderung unserer Generation. Ich zeige, wie und wo maschinelles Lernen helfen kann.
Computer Vision

Metric Learning - eine Einführung

Von Dr. William Clemens • 26. September 2022

Einführung in das Metric Learning: Erweitern Sie Ihr Wissen über metrisches Lernen, gängige Abstandsmaße & Verlustfunktionen wie den Triplett-Verlust.
Einführendes

Empfehlungssysteme - Ein Überblick

Von Konrad Mundinger • 29. August 2022

Erweitern Sie Ihr Wissen über Empfehlungssysteme: Erklärung & Anwendung sowie Beispiele, als auch Infos über kollaborative & inhaltsbasierte Filterung hier.
Computer Vision

Die besten (Python-)Tools für die Fernerkundung

Von Emilius Richter • 2. August 2022

Python-Tools für die Fernerkundung mithilfe von Machine Learning: Vergleich von Python Software zu Datenabruf- und Verarbeitung von Satellitendaten hier lesen.
Computer Vision

Image Captioning mit Attention-Mechanismus

Von Madina Kasymova • 30. Mai 2022

Eine Anwendung des Deep Learnings: Lesen Sie hier über Bildbeschriftungsalgorithmen & einen Ansatz für Bildbeschriftungen - den Attention-Mechanismus.
Computer Vision

Wie man ein Jupyter Notebook-basiertes Labeling-Tool zur Bildklassifizierung implementiert

Von Felix Brunner • 21. März 2022

Lesen Sie hier, wie man ein Labeling-Tool zur Bildklassifizierung in einem Jupyter-Notebook zum Laufen bringt & welche Möglichkeiten es zur Erweiterung gibt.
Computer Vision

Datenzentriertes maschinelles Lernen: Maßgeschneiderte ML-Lösungen zur Produktionsreife bringen

Von David Berscheid • 6. Oktober 2021

Lesen Sie hier über modell- und datenzentriertes Machine Learning & wie wir bei dida ML-Projekte durch den Einsatz datenzentrierter Techniken verbessern.
Computer Vision

Klassifizierung von Anbauflächen anhand von Satellitenbild-Zeitreihen

Von Tiago Sanona • 19. August 2021

Lesen Sie hier, wie Machine Learning in der Fernerkundung angewendet wird & wie Getreidefelder aus Zeitreihen von Satellitenbildern klassifiziert werden.
Computer Vision

Informationsextraktion aus technischen Zeichnungen

Von Dr. Frank Weilandt • 16. Juli 2021

Lesen Sie hier zu Deep-Learning-basierten Computer-Vision-Techniken für die Informationsextraktion aus technischen Zeichnungen.
Computer Vision

Visual Transformers: Wie eine NLP-Architektur auf Computer Vision angewendet wird

Von • 5. Juli 2021

Visual Transformers: Erfahren Sie die Anwendung einer NLP-Architektur innerhalb von Computer Vision & was es bedeutet, ein Bild zu tokenisieren.
Computer Vision

CLIP: Wie sich der Schatz ungelabelter Bilddaten heben lässt

Von Fabian Gringel • 21. Juni 2021

Contrastive Language Image Pretraining (CLIP): Lesen Sie hier über die Funktionsweise sowie Anwendungen des CLIP-Modells, einem Zero-Shot-Bildklassifikator.
Projects

21 Fragen, die wir unseren Kunden stellen: Start eines erfolgreichen ML-Projekts

Von Emilius Richter • 21. Mai 2021

Lesen Sie die relevanten Fragen, die im Vorfeld berücksichtigt & beantwortet werden sollten, um ein erfolgreiches Machine-Learning-Softwareprojekt zu starten.
Tools

Die besten Bildannotations-Tools für Computer Vision

Von Dmitrii Iakushechkin • 8. April 2021

Lesen Sie hier über die besten Bildannotation-Tools für Computer-Vision-Aufgaben. Alles von der Installation bis zur Veranschaulichung am Beispiel.
Natural Language Processing

didas Tech-Stack

Von Fabian Gringel • 29. März 2021

Dieser Blogartikel gibt einen Überblick über unseren Tech-Stack bei dida. Ich beschreibe die Tools, die unseren Softwareentwicklungsprozess prägen und unsere bevorzugten Python-Bibliotheken für Machine- und Deep-Learning.
Computer Vision

Exploration mineralischer Rohstoff­vorkommen mittels Fernerkundung

Von Fabian Dechent • 19. März 2021

Erfahren Sie mehr über Möglichkeiten, die die Fernerkundung mittels satellitengestützter Bildgebung & Machine Learning für die Greenfield-Exploration bietet.
Tools

Software-Deployment mit Docker-Containern

Von Fabian Gringel • 26. Februar 2021

Lesen Sie hier über die Erstellung einer Python-Anwendung mit einer Web-API unter Verwendung von Docker-Containern für das Software Deployment.
Computer Vision

Graph Neural Networks anhand von CNNs verstehen

Von Dr. Augusto Stoffel • 5. Februar 2021

Verstehen Sie Graph Neural Networks (GNN) durch eine Analogie zu Convolutional Neural Networks (CNN) & erfahren Sie mehr über die Anwendung von GNNs hier.
Computer Vision

Mit Python MGRS-Koordinaten konvertieren

Von Tiago Sanona • 18. Januar 2021

Lernen Sie hier, wie MGRS (und UTM) funktionieren & wie man die mgrs-Bibliothek von Python verwendet, um MGRS-Koordinaten in Latitude/Longitude zu konvertieren.
Computer Vision

Satellitengestütztes Monitoring der Verstädterung

Von Johan Dettmar • 12. Oktober 2020

Eine Anwendung des Machine Learnings: Lesen Sie hier über das Tracking der urbanen Entwicklung von Städten mithilfe von Satellitenbildern & Computer Vision.
Computer Vision

Illegale Minen aus dem Weltraum erkennen

Von Matthias Werner • 1. September 2020

Lesen Sie über ein U-Netz für die semantische Segmentierung. Ein Ansatz zur Erkennung illegaler Minen auf Basis von Deep Learning (DL) und Fernerkundung hier.
Einführendes

Was ist Reinforcement Learning? (Teil 2)

Von Matthias Werner • 3. August 2020

Lernen Sie hier mehr über das Multi-Agent Reinforcement Learning (MARL), seine Möglichkeiten, Grenzen sowie die Betrachtung von MARL als Problemlösung.
Computer Vision

Pretraining für die Fernerkundung

Von Dr. William Clemens • 11. Mai 2020

Erfahren Sie hier mehr über den Nutzen des Pretrainings eines Machine-Learning-Modells in Vorbereitung auf ein richtiges Training, am Beispiel der Fernerkundung.
Einführendes

Was ist Reinforcement Learning? (Teil 1)

Von Matthias Werner • 27. April 2020

Lesen Sie in diesem Artikel über einen Zweig des Machine Learnings (ML), dem Reinforcement Learning (RL). Reinforcement Learning Erklärung & Beispiel hier.
Einführendes

Wozu gelabelte Daten? (Un)überwachtes Machine Learning

Von Lorenzo Melchior • 14. April 2020

Lesen Sie hier über die unterschiedlichen Ergebnisse eines Machine-Learning-Algorithmus, der mit ungelabelten & gelabelten Daten trainiert wird.
Computer Vision

Objekterkennung in Videos mit PyTorch

Von Dr. William Clemens • 16. März 2020

Lesen Sie hier über die Anwendung eines vortrainierten PyTorch-Models auf ein YouTube-Video zur Veranschaulichung der Objekterkennung mit Python.
Theorie & Algorithmen

Was ist Bayes'sche Lineare Regression? (Teil 2)

Von Matthias Werner • 4. März 2020

Erfahren Sie in diesem Artikel mehr über den Satz von Bayes, seine Anwendung & über die Mathematik hinter der Bayes'schen Linearen Regression.
Theorie & Algorithmen

Was ist Bayes'sche Lineare Regression? (Teil 1)

Von Matthias Werner • 17. Februar 2020

Lesen Sie hier die professionelle Erklärung der Bayes'schen linearen Regression (BLR) anhand eines Beispiels & erfahren Sie mehr über den Satz von Bayes.
Theorie & Algorithmen

Beat Tracking mit tiefen neuronalen Netzen

Von Julius Richter • 31. Januar 2020

Lesen Sie hier über die Anwendung eines Machine-Learning-Models zur Zeitreihenanalyse am Beispiel eines Beat-Tracking-Algorithmus basierend auf einem TCN.
Theorie & Algorithmen

Machine Learning-Ansätze für Zeitreihen

Von Julius Richter • 18. Dezember 2019

Erweitern Sie Ihr Machine-Learning-Wissen über Zeitreihen, serielle Sequenzen & Recurrent Neural Networks (RNN) mit dieser professionellen Einführung.
Software Development

Wie ein TensorFlow-Model zu einer JavaScript-Web-App wird

Von Johan Dettmar • 2. Dezember 2019

Erfahren Sie hier, wie man ein TensorFlow-Modell in Python trainiert & es dann als JavaScript-Web-App bereitstellt, all das am Beispiel der Handschrifterkennung.
Computer Vision

Mit ConvNets Wolken auf Satellitenbildern erkennen

Von Dr. William Clemens • 11. November 2019

Erfahren Sie hier, wie man ConvNets anwenden und mit Hilfe von Machine Learning zur Erkennung konvektiver Wolken anhand von Satellitendaten nutzen kann.
Tools

Wie Google Cloud Machine Learning-Projekte beschleunigt

Von Johan Dettmar • 25. Oktober 2019

Lesen Sie hier, wie Google Cloud-Dienste Machine Learning-Projekte beschleunigen können und erfahren Sie mehr über die Phasen des Machine Learnings bei dida.
Computer Vision

Wie GANs helfen, Produktionsfehler zu erkennen

Von Lorenzo Melchior • 24. September 2019

Beim maschinellen Lernen behindert eine unzureichende Menge an Trainingsdaten oft die Leistung von Klassifizierungsalgorithmen. In diesem Blog-Beitrag zeige ich, wie Sie mit einem Generative Adversarial Network (GAN) neue Bilder aus einer Verteilung von Bildern erzeugen können.
Einführendes

Mustererkennung in der medizinischen Bildgebung

Von Matthias Werner • 27. August 2019

Erfahren Sie hier, wie Machine-Learning-Algorithmen wie Convolutional Neural Networks (CNN) in der Mustererkennung von medizinischen Bildern Anwendung finden.
Einführendes

Was ist KI?

Von Matthias Werner • 15. Juli 2019

Lesen Sie hier die Erklärung zu Begriffen aus den Bereichen Künstliche Intelligenz (KI), Machine Learning (ML) & Deep Learning sowie deren Einsatz in Computer Vision.
Computer Vision

Semantische Segmentierung von Satellitenbildern

Von Dr. Nelson Martins • 24. Mai 2019

Bei der Erstellung des Machine-Learning-Modells für die semantische Segmentierung von Satellitenbildern sind interessante Ergebnisse entstanden, die Sie hier lesen können.

Natural Language Processing

Text, Sprache und strukturierte Dokumente verständlich machen

Natural Language Processing

Neueste Entwicklungen in der Welt von Natural Language Processing: Ein Vergleich verschiedener Sprachmodelle

Von Justus Tschötsch • 24. Mai 2023

Read about the latest developments in the world of natural language processing (NLP) and a comparison of different language models here.
Einführendes

Wie ChatGPT mit Hilfe von Reinforcement Learning optimiert wird

Von Thanh Long Phan • 11. April 2023

In this blog post, we present an overview of the training process of ChatGPT and have a closer look at the use of Reinforcement Learning in language modeling.
Einführendes

Empfehlungssysteme - Ein Überblick

Von Konrad Mundinger • 29. August 2022

Erweitern Sie Ihr Wissen über Empfehlungssysteme: Erklärung & Anwendung sowie Beispiele, als auch Infos über kollaborative & inhaltsbasierte Filterung hier.
Computer Vision

Image Captioning mit Attention-Mechanismus

Von Madina Kasymova • 30. Mai 2022

Eine Anwendung des Deep Learnings: Lesen Sie hier über Bildbeschriftungsalgorithmen & einen Ansatz für Bildbeschriftungen - den Attention-Mechanismus.
Natural Language Processing

OpenAI Codex: Warum die Revolution noch ausbleibt

Von Fabian Gringel • 18. Februar 2022

Erfahren Sie mehr über die Funktionsweise des Sprachmodells Codex von OpenAI sowie die Unterschiede zu GPT-3. Codex Software Erklärung und Erfahrungen hier.
Einführendes

Ethik im Natural Language Processing

Von Dr. Marty Oelschläger • 20. Dezember 2021

Erfahren Sie mehr über die Ethik im Natural Language Processing (NLP), die gesellschaftlichen Auswirkungen von Machine Learning (ML) & warum man Vorsicht walten lassen sollte.
Natural Language Processing

GPT-3 und darüber hinaus - Teil 2: Schwächen und Gegenmittel

Von Fabian Gringel • 24. Oktober 2021

Erweitern Sie Ihr Wissen über GPT-3 und lesen Sie hier über Chancen, Schwächen & Fehlerbehebung sowie über Alternativen des KI-basierten Sprachmodells.
Computer Vision

Datenzentriertes maschinelles Lernen: Maßgeschneiderte ML-Lösungen zur Produktionsreife bringen

Von David Berscheid • 6. Oktober 2021

Lesen Sie hier über modell- und datenzentriertes Machine Learning & wie wir bei dida ML-Projekte durch den Einsatz datenzentrierter Techniken verbessern.
Natural Language Processing

GPT-3 und darüber hinaus - Teil 1: Das Grundrezept

Von Fabian Gringel • 27. September 2021

Lesen Sie hier über die Funktionsweise sowie die Gefahren & Anwendungen von GPT-3 und erfahren Sie, wie Sie ein GPT-3-ähnliches Modell kostenlos testen können.
Computer Vision

CLIP: Wie sich der Schatz ungelabelter Bilddaten heben lässt

Von Fabian Gringel • 21. Juni 2021

Contrastive Language Image Pretraining (CLIP): Lesen Sie hier über die Funktionsweise sowie Anwendungen des CLIP-Modells, einem Zero-Shot-Bildklassifikator.
Projects

21 Fragen, die wir unseren Kunden stellen: Start eines erfolgreichen ML-Projekts

Von Emilius Richter • 21. Mai 2021

Lesen Sie die relevanten Fragen, die im Vorfeld berücksichtigt & beantwortet werden sollten, um ein erfolgreiches Machine-Learning-Softwareprojekt zu starten.
Einführendes

Automatische Fragebeantwortung für Suchmaschinen

Von • 26. April 2021

Lesen Sie hier über die Funktionsweise von Open-Domain-Fragebeantwortungssystemen & wie diese die Suchfunktion Ihrer Website verbessern können.
Natural Language Processing

didas Tech-Stack

Von Fabian Gringel • 29. März 2021

Dieser Blogartikel gibt einen Überblick über unseren Tech-Stack bei dida. Ich beschreibe die Tools, die unseren Softwareentwicklungsprozess prägen und unsere bevorzugten Python-Bibliotheken für Machine- und Deep-Learning.
Tools

Software-Deployment mit Docker-Containern

Von Fabian Gringel • 26. Februar 2021

Lesen Sie hier über die Erstellung einer Python-Anwendung mit einer Web-API unter Verwendung von Docker-Containern für das Software Deployment.
Computer Vision

Graph Neural Networks anhand von CNNs verstehen

Von Dr. Augusto Stoffel • 5. Februar 2021

Verstehen Sie Graph Neural Networks (GNN) durch eine Analogie zu Convolutional Neural Networks (CNN) & erfahren Sie mehr über die Anwendung von GNNs hier.
Natural Language Processing

Mit Python doppelte Dateien finden

Von Ewelina Fiebig • 28. September 2020

Erfahren Sie, wie Sie Duplikate mit Python finden und anschließend automatisch löschen können. Zur Auffindung der Duplikate wird filecmp verwendet.
Natural Language Processing

Text aus PDF-Dateien extrahieren

Von Lovis Schmidt • 17. August 2020

Vergleich der Open-Source-Python-PDF-Tools PyPDF2, pdfminer & PyMuPDF. Lesen Sie hier über Tools zur Extraktion von Text aus PDF-Dateien.
Natural Language Processing

Mit BERT automatisiert Fragen beantworten (Teil 1)

Von Dr. Mattes Mollenhauer • 22. Juli 2020

BERT, ein Deep Learning Modell für die Sprachrepräsentation: Lesen Sie diesen Artikel, um mehr über die Funktionsweise & Anwendung des BERT-Modells zu erfahren.
Natural Language Processing

Mit BERT automatisiert Fragen beantworten (Teil 2)

Von Dr. Mattes Mollenhauer • 2. Juli 2020

Erweitern Sie Ihr Wissen über Natural Language Processing (NLP) mit einem Anwendungsbeispiel des BERT-Modells: der automatisierten Fragebeantwortung in der Biomedizin.
Tools

Die besten kostenlosen Labeling-Tools für NLP-Textannotationen

Von Fabian Gringel • 30. März 2020

Informieren Sie sich über die besten kostenlosen Labeling Tools zur Natural Language Processing (NLP) Textannotation, der Installation & Konfiguration.
Theorie & Algorithmen

Was ist Bayes'sche Lineare Regression? (Teil 2)

Von Matthias Werner • 4. März 2020

Erfahren Sie in diesem Artikel mehr über den Satz von Bayes, seine Anwendung & über die Mathematik hinter der Bayes'schen Linearen Regression.
Natural Language Processing

Digitale Verwaltung: Intuitiver Online-Zugang durch KI

Von Jona Welsch • 2. März 2020

Lesen Sie hier über Anwendungsmöglichkeiten von Künstlicher Intelligenz (KI) in der Verwaltung, am Beispiel von Gewerbeanmeldungen und dem KI-Modell "BERT".
Theorie & Algorithmen

Was ist Bayes'sche Lineare Regression? (Teil 1)

Von Matthias Werner • 17. Februar 2020

Lesen Sie hier die professionelle Erklärung der Bayes'schen linearen Regression (BLR) anhand eines Beispiels & erfahren Sie mehr über den Satz von Bayes.
Theorie & Algorithmen

Beat Tracking mit tiefen neuronalen Netzen

Von Julius Richter • 31. Januar 2020

Lesen Sie hier über die Anwendung eines Machine-Learning-Models zur Zeitreihenanalyse am Beispiel eines Beat-Tracking-Algorithmus basierend auf einem TCN.
Tools

Test von OCR-Scannern: die beste Software für Texterkennung

Von Fabian Gringel • 20. Januar 2020

Lesen Sie über den Vergleich von OCR-Tools zur Texterkennung und erfahren Sie, welche die beste Texterkennungs-Software für Ihr Projekt ist.
Theorie & Algorithmen

Temporal Convolutional Networks für die Sequenz-Modellierung

Von Julius Richter • 6. Januar 2020

Erfahren Sie mehr über Temporal Convolutional Networks, einem Faltungsansatz für Sequenzen: Modellerklärung, Struktur & Implementierungen von TCNs hier.
Theorie & Algorithmen

Machine Learning-Ansätze für Zeitreihen

Von Julius Richter • 18. Dezember 2019

Erweitern Sie Ihr Machine-Learning-Wissen über Zeitreihen, serielle Sequenzen & Recurrent Neural Networks (RNN) mit dieser professionellen Einführung.
Software Development

Wie ein TensorFlow-Model zu einer JavaScript-Web-App wird

Von Johan Dettmar • 2. Dezember 2019

Erfahren Sie hier, wie man ein TensorFlow-Modell in Python trainiert & es dann als JavaScript-Web-App bereitstellt, all das am Beispiel der Handschrifterkennung.
Tools

Wie Google Cloud Machine Learning-Projekte beschleunigt

Von Johan Dettmar • 25. Oktober 2019

Lesen Sie hier, wie Google Cloud-Dienste Machine Learning-Projekte beschleunigen können und erfahren Sie mehr über die Phasen des Machine Learnings bei dida.
Einführendes

Was ist Natural Language Processing (NLP)?

Von Fabian Gringel • 12. August 2019

Professionelle Erklärung von Natural Language Processing. Lesen Sie hier zu Anwendungsbereichen & Methoden von NLP sowie dem Zusammenhang zu Machine Learning.
Einführendes

Was ist KI?

Von Matthias Werner • 15. Juli 2019

Lesen Sie hier die Erklärung zu Begriffen aus den Bereichen Künstliche Intelligenz (KI), Machine Learning (ML) & Deep Learning sowie deren Einsatz in Computer Vision.
Natural Language Processing

Informationen aus Dokumenten auslesen

Von Dr. Frank Weilandt • 23. April 2019

Erfahren Sie, wie das Auslesen von Informationen aus Dokumenten, auch Informationsextraktion genannt, mithilfe eines Python OCR-Tools zum Kinderspiel wird.

Einführendes

Die Basics zu Machine Learning und seinen Spielarten

Einführendes

Wie ChatGPT mit Hilfe von Reinforcement Learning optimiert wird

Von Thanh Long Phan • 11. April 2023

In this blog post, we present an overview of the training process of ChatGPT and have a closer look at the use of Reinforcement Learning in language modeling.
Einführendes

Mit Machine Learning die Umwelt schützen

Von Edit Szügyi • 14. März 2023

Der Schutz der natürlichen Umwelt ist die wohl größte Herausforderung unserer Generation. Ich zeige, wie und wo maschinelles Lernen helfen kann.
Einführendes

Mehrschichtige Requirements mit pip-tools verwalten

Von Dr. Augusto Stoffel • 13. Januar 2023

Erfahren Sie hier mehr über pip-Tools, insbesondere wie man mehrschichtige Requirements mithilfe von Python & pip-Werkzeugen verwalten kann.
Einführendes

Kollaboratives Filtern für Empfehlungsdienste

Von Konrad Mundinger • 21. November 2022

Lesen Sie diesen Artikel, um eine Erklärung der kollaborativen Filterung sowie Python-Code für verschiedene kollaborative Filterungstechniken zu erhalten.
Computer Vision

Metric Learning - eine Einführung

Von Dr. William Clemens • 26. September 2022

Einführung in das Metric Learning: Erweitern Sie Ihr Wissen über metrisches Lernen, gängige Abstandsmaße & Verlustfunktionen wie den Triplett-Verlust.
Einführendes

Empfehlungssysteme - Ein Überblick

Von Konrad Mundinger • 29. August 2022

Erweitern Sie Ihr Wissen über Empfehlungssysteme: Erklärung & Anwendung sowie Beispiele, als auch Infos über kollaborative & inhaltsbasierte Filterung hier.
Einführendes

Der Projektantrag - der erste Schritt zu einem erfolgreichen ML-Projekt

Von Emilius Richter • 18. Juli 2022

Für einen Softwareanbieter ist der Projektantrag der erste Schritt zur Erfüllung der Anforderungen des Kunden. In diesem Artikel werde ich die wichtigsten Module in Machine-Learning-Projektanträgen beschreiben.
Natural Language Processing

OpenAI Codex: Warum die Revolution noch ausbleibt

Von Fabian Gringel • 18. Februar 2022

Erfahren Sie mehr über die Funktionsweise des Sprachmodells Codex von OpenAI sowie die Unterschiede zu GPT-3. Codex Software Erklärung und Erfahrungen hier.
Einführendes

Ethik im Natural Language Processing

Von Dr. Marty Oelschläger • 20. Dezember 2021

Erfahren Sie mehr über die Ethik im Natural Language Processing (NLP), die gesellschaftlichen Auswirkungen von Machine Learning (ML) & warum man Vorsicht walten lassen sollte.
Natural Language Processing

GPT-3 und darüber hinaus - Teil 2: Schwächen und Gegenmittel

Von Fabian Gringel • 24. Oktober 2021

Erweitern Sie Ihr Wissen über GPT-3 und lesen Sie hier über Chancen, Schwächen & Fehlerbehebung sowie über Alternativen des KI-basierten Sprachmodells.
Natural Language Processing

GPT-3 und darüber hinaus - Teil 1: Das Grundrezept

Von Fabian Gringel • 27. September 2021

Lesen Sie hier über die Funktionsweise sowie die Gefahren & Anwendungen von GPT-3 und erfahren Sie, wie Sie ein GPT-3-ähnliches Modell kostenlos testen können.
Computer Vision

Visual Transformers: Wie eine NLP-Architektur auf Computer Vision angewendet wird

Von • 5. Juli 2021

Visual Transformers: Erfahren Sie die Anwendung einer NLP-Architektur innerhalb von Computer Vision & was es bedeutet, ein Bild zu tokenisieren.
Projects

21 Fragen, die wir unseren Kunden stellen: Start eines erfolgreichen ML-Projekts

Von Emilius Richter • 21. Mai 2021

Lesen Sie die relevanten Fragen, die im Vorfeld berücksichtigt & beantwortet werden sollten, um ein erfolgreiches Machine-Learning-Softwareprojekt zu starten.
Einführendes

Automatische Fragebeantwortung für Suchmaschinen

Von • 26. April 2021

Lesen Sie hier über die Funktionsweise von Open-Domain-Fragebeantwortungssystemen & wie diese die Suchfunktion Ihrer Website verbessern können.
Computer Vision

Exploration mineralischer Rohstoff­vorkommen mittels Fernerkundung

Von Fabian Dechent • 19. März 2021

Erfahren Sie mehr über Möglichkeiten, die die Fernerkundung mittels satellitengestützter Bildgebung & Machine Learning für die Greenfield-Exploration bietet.
Einführendes

Was ist Reinforcement Learning? (Teil 2)

Von Matthias Werner • 3. August 2020

Lernen Sie hier mehr über das Multi-Agent Reinforcement Learning (MARL), seine Möglichkeiten, Grenzen sowie die Betrachtung von MARL als Problemlösung.
Natural Language Processing

Mit BERT automatisiert Fragen beantworten (Teil 1)

Von Dr. Mattes Mollenhauer • 22. Juli 2020

BERT, ein Deep Learning Modell für die Sprachrepräsentation: Lesen Sie diesen Artikel, um mehr über die Funktionsweise & Anwendung des BERT-Modells zu erfahren.
Natural Language Processing

Mit BERT automatisiert Fragen beantworten (Teil 2)

Von Dr. Mattes Mollenhauer • 2. Juli 2020

Erweitern Sie Ihr Wissen über Natural Language Processing (NLP) mit einem Anwendungsbeispiel des BERT-Modells: der automatisierten Fragebeantwortung in der Biomedizin.
Einführendes

Was ist Reinforcement Learning? (Teil 1)

Von Matthias Werner • 27. April 2020

Lesen Sie in diesem Artikel über einen Zweig des Machine Learnings (ML), dem Reinforcement Learning (RL). Reinforcement Learning Erklärung & Beispiel hier.
Einführendes

Wozu gelabelte Daten? (Un)überwachtes Machine Learning

Von Lorenzo Melchior • 14. April 2020

Lesen Sie hier über die unterschiedlichen Ergebnisse eines Machine-Learning-Algorithmus, der mit ungelabelten & gelabelten Daten trainiert wird.
Theorie & Algorithmen

Was ist Bayes'sche Lineare Regression? (Teil 2)

Von Matthias Werner • 4. März 2020

Erfahren Sie in diesem Artikel mehr über den Satz von Bayes, seine Anwendung & über die Mathematik hinter der Bayes'schen Linearen Regression.
Theorie & Algorithmen

Was ist Bayes'sche Lineare Regression? (Teil 1)

Von Matthias Werner • 17. Februar 2020

Lesen Sie hier die professionelle Erklärung der Bayes'schen linearen Regression (BLR) anhand eines Beispiels & erfahren Sie mehr über den Satz von Bayes.
Einführendes

Mustererkennung in der medizinischen Bildgebung

Von Matthias Werner • 27. August 2019

Erfahren Sie hier, wie Machine-Learning-Algorithmen wie Convolutional Neural Networks (CNN) in der Mustererkennung von medizinischen Bildern Anwendung finden.
Einführendes

Was ist Natural Language Processing (NLP)?

Von Fabian Gringel • 12. August 2019

Professionelle Erklärung von Natural Language Processing. Lesen Sie hier zu Anwendungsbereichen & Methoden von NLP sowie dem Zusammenhang zu Machine Learning.
Einführendes

Was ist KI?

Von Matthias Werner • 15. Juli 2019

Lesen Sie hier die Erklärung zu Begriffen aus den Bereichen Künstliche Intelligenz (KI), Machine Learning (ML) & Deep Learning sowie deren Einsatz in Computer Vision.

Software Development

Alles rund ums Coding

Einführendes

Mehrschichtige Requirements mit pip-tools verwalten

Von Dr. Augusto Stoffel • 13. Januar 2023

Erfahren Sie hier mehr über pip-Tools, insbesondere wie man mehrschichtige Requirements mithilfe von Python & pip-Werkzeugen verwalten kann.
Einführendes

Der Projektantrag - der erste Schritt zu einem erfolgreichen ML-Projekt

Von Emilius Richter • 18. Juli 2022

Für einen Softwareanbieter ist der Projektantrag der erste Schritt zur Erfüllung der Anforderungen des Kunden. In diesem Artikel werde ich die wichtigsten Module in Machine-Learning-Projektanträgen beschreiben.
Computer Vision

Datenzentriertes maschinelles Lernen: Maßgeschneiderte ML-Lösungen zur Produktionsreife bringen

Von David Berscheid • 6. Oktober 2021

Lesen Sie hier über modell- und datenzentriertes Machine Learning & wie wir bei dida ML-Projekte durch den Einsatz datenzentrierter Techniken verbessern.
Natural Language Processing

didas Tech-Stack

Von Fabian Gringel • 29. März 2021

Dieser Blogartikel gibt einen Überblick über unseren Tech-Stack bei dida. Ich beschreibe die Tools, die unseren Softwareentwicklungsprozess prägen und unsere bevorzugten Python-Bibliotheken für Machine- und Deep-Learning.
Tools

Software-Deployment mit Docker-Containern

Von Fabian Gringel • 26. Februar 2021

Lesen Sie hier über die Erstellung einer Python-Anwendung mit einer Web-API unter Verwendung von Docker-Containern für das Software Deployment.
Software Development

Wie ein TensorFlow-Model zu einer JavaScript-Web-App wird

Von Johan Dettmar • 2. Dezember 2019

Erfahren Sie hier, wie man ein TensorFlow-Modell in Python trainiert & es dann als JavaScript-Web-App bereitstellt, all das am Beispiel der Handschrifterkennung.
Tools

Wie Google Cloud Machine Learning-Projekte beschleunigt

Von Johan Dettmar • 25. Oktober 2019

Lesen Sie hier, wie Google Cloud-Dienste Machine Learning-Projekte beschleunigen können und erfahren Sie mehr über die Phasen des Machine Learnings bei dida.

Theorie & Algorithmen

Für diejenigen, die keine Angst vor Formeln haben

Einführendes

Wie ChatGPT mit Hilfe von Reinforcement Learning optimiert wird

Von Thanh Long Phan • 11. April 2023

In this blog post, we present an overview of the training process of ChatGPT and have a closer look at the use of Reinforcement Learning in language modeling.
Computer Vision

Frühzeitige Klassifizierung von Anbauflächen anhand von Satellitenbild-Zeitreihen

Von Tiago Sanona • 3. April 2023

Wir erläutern einen Deep Learning-Algorithmus zur Klassifizierung von Kulturpflanzenarten aus Satelliten-Zeitreihendaten.
Einführendes

Kollaboratives Filtern für Empfehlungsdienste

Von Konrad Mundinger • 21. November 2022

Lesen Sie diesen Artikel, um eine Erklärung der kollaborativen Filterung sowie Python-Code für verschiedene kollaborative Filterungstechniken zu erhalten.
Computer Vision

Metric Learning - eine Einführung

Von Dr. William Clemens • 26. September 2022

Einführung in das Metric Learning: Erweitern Sie Ihr Wissen über metrisches Lernen, gängige Abstandsmaße & Verlustfunktionen wie den Triplett-Verlust.
Einführendes

Empfehlungssysteme - Ein Überblick

Von Konrad Mundinger • 29. August 2022

Erweitern Sie Ihr Wissen über Empfehlungssysteme: Erklärung & Anwendung sowie Beispiele, als auch Infos über kollaborative & inhaltsbasierte Filterung hier.
Natural Language Processing

OpenAI Codex: Warum die Revolution noch ausbleibt

Von Fabian Gringel • 18. Februar 2022

Erfahren Sie mehr über die Funktionsweise des Sprachmodells Codex von OpenAI sowie die Unterschiede zu GPT-3. Codex Software Erklärung und Erfahrungen hier.
Natural Language Processing

GPT-3 und darüber hinaus - Teil 2: Schwächen und Gegenmittel

Von Fabian Gringel • 24. Oktober 2021

Erweitern Sie Ihr Wissen über GPT-3 und lesen Sie hier über Chancen, Schwächen & Fehlerbehebung sowie über Alternativen des KI-basierten Sprachmodells.
Computer Vision

Klassifizierung von Anbauflächen anhand von Satellitenbild-Zeitreihen

Von Tiago Sanona • 19. August 2021

Lesen Sie hier, wie Machine Learning in der Fernerkundung angewendet wird & wie Getreidefelder aus Zeitreihen von Satellitenbildern klassifiziert werden.
Computer Vision

Informationsextraktion aus technischen Zeichnungen

Von Dr. Frank Weilandt • 16. Juli 2021

Lesen Sie hier zu Deep-Learning-basierten Computer-Vision-Techniken für die Informationsextraktion aus technischen Zeichnungen.
Computer Vision

Visual Transformers: Wie eine NLP-Architektur auf Computer Vision angewendet wird

Von • 5. Juli 2021

Visual Transformers: Erfahren Sie die Anwendung einer NLP-Architektur innerhalb von Computer Vision & was es bedeutet, ein Bild zu tokenisieren.
Computer Vision

CLIP: Wie sich der Schatz ungelabelter Bilddaten heben lässt

Von Fabian Gringel • 21. Juni 2021

Contrastive Language Image Pretraining (CLIP): Lesen Sie hier über die Funktionsweise sowie Anwendungen des CLIP-Modells, einem Zero-Shot-Bildklassifikator.
Computer Vision

Graph Neural Networks anhand von CNNs verstehen

Von Dr. Augusto Stoffel • 5. Februar 2021

Verstehen Sie Graph Neural Networks (GNN) durch eine Analogie zu Convolutional Neural Networks (CNN) & erfahren Sie mehr über die Anwendung von GNNs hier.
Einführendes

Was ist Reinforcement Learning? (Teil 2)

Von Matthias Werner • 3. August 2020

Lernen Sie hier mehr über das Multi-Agent Reinforcement Learning (MARL), seine Möglichkeiten, Grenzen sowie die Betrachtung von MARL als Problemlösung.
Natural Language Processing

Mit BERT automatisiert Fragen beantworten (Teil 1)

Von Dr. Mattes Mollenhauer • 22. Juli 2020

BERT, ein Deep Learning Modell für die Sprachrepräsentation: Lesen Sie diesen Artikel, um mehr über die Funktionsweise & Anwendung des BERT-Modells zu erfahren.
Natural Language Processing

Mit BERT automatisiert Fragen beantworten (Teil 2)

Von Dr. Mattes Mollenhauer • 2. Juli 2020

Erweitern Sie Ihr Wissen über Natural Language Processing (NLP) mit einem Anwendungsbeispiel des BERT-Modells: der automatisierten Fragebeantwortung in der Biomedizin.
Einführendes

Was ist Reinforcement Learning? (Teil 1)

Von Matthias Werner • 27. April 2020

Lesen Sie in diesem Artikel über einen Zweig des Machine Learnings (ML), dem Reinforcement Learning (RL). Reinforcement Learning Erklärung & Beispiel hier.
Theorie & Algorithmen

Was ist Bayes'sche Lineare Regression? (Teil 2)

Von Matthias Werner • 4. März 2020

Erfahren Sie in diesem Artikel mehr über den Satz von Bayes, seine Anwendung & über die Mathematik hinter der Bayes'schen Linearen Regression.
Theorie & Algorithmen

Was ist Bayes'sche Lineare Regression? (Teil 1)

Von Matthias Werner • 17. Februar 2020

Lesen Sie hier die professionelle Erklärung der Bayes'schen linearen Regression (BLR) anhand eines Beispiels & erfahren Sie mehr über den Satz von Bayes.
Theorie & Algorithmen

Beat Tracking mit tiefen neuronalen Netzen

Von Julius Richter • 31. Januar 2020

Lesen Sie hier über die Anwendung eines Machine-Learning-Models zur Zeitreihenanalyse am Beispiel eines Beat-Tracking-Algorithmus basierend auf einem TCN.
Theorie & Algorithmen

Temporal Convolutional Networks für die Sequenz-Modellierung

Von Julius Richter • 6. Januar 2020

Erfahren Sie mehr über Temporal Convolutional Networks, einem Faltungsansatz für Sequenzen: Modellerklärung, Struktur & Implementierungen von TCNs hier.
Theorie & Algorithmen

Machine Learning-Ansätze für Zeitreihen

Von Julius Richter • 18. Dezember 2019

Erweitern Sie Ihr Machine-Learning-Wissen über Zeitreihen, serielle Sequenzen & Recurrent Neural Networks (RNN) mit dieser professionellen Einführung.

Tools

Nützliche Werkzeuge zur Umsetzung von Machine-Learning-Projekten

Einführendes

Mehrschichtige Requirements mit pip-tools verwalten

Von Dr. Augusto Stoffel • 13. Januar 2023

Erfahren Sie hier mehr über pip-Tools, insbesondere wie man mehrschichtige Requirements mithilfe von Python & pip-Werkzeugen verwalten kann.
Computer Vision

Die besten (Python-)Tools für die Fernerkundung

Von Emilius Richter • 2. August 2022

Python-Tools für die Fernerkundung mithilfe von Machine Learning: Vergleich von Python Software zu Datenabruf- und Verarbeitung von Satellitendaten hier lesen.
Computer Vision

Wie man ein Jupyter Notebook-basiertes Labeling-Tool zur Bildklassifizierung implementiert

Von Felix Brunner • 21. März 2022

Lesen Sie hier, wie man ein Labeling-Tool zur Bildklassifizierung in einem Jupyter-Notebook zum Laufen bringt & welche Möglichkeiten es zur Erweiterung gibt.
Tools

Die besten Bildannotations-Tools für Computer Vision

Von Dmitrii Iakushechkin • 8. April 2021

Lesen Sie hier über die besten Bildannotation-Tools für Computer-Vision-Aufgaben. Alles von der Installation bis zur Veranschaulichung am Beispiel.
Natural Language Processing

didas Tech-Stack

Von Fabian Gringel • 29. März 2021

Dieser Blogartikel gibt einen Überblick über unseren Tech-Stack bei dida. Ich beschreibe die Tools, die unseren Softwareentwicklungsprozess prägen und unsere bevorzugten Python-Bibliotheken für Machine- und Deep-Learning.
Tools

Software-Deployment mit Docker-Containern

Von Fabian Gringel • 26. Februar 2021

Lesen Sie hier über die Erstellung einer Python-Anwendung mit einer Web-API unter Verwendung von Docker-Containern für das Software Deployment.
Computer Vision

Mit Python MGRS-Koordinaten konvertieren

Von Tiago Sanona • 18. Januar 2021

Lernen Sie hier, wie MGRS (und UTM) funktionieren & wie man die mgrs-Bibliothek von Python verwendet, um MGRS-Koordinaten in Latitude/Longitude zu konvertieren.
Natural Language Processing

Mit Python doppelte Dateien finden

Von Ewelina Fiebig • 28. September 2020

Erfahren Sie, wie Sie Duplikate mit Python finden und anschließend automatisch löschen können. Zur Auffindung der Duplikate wird filecmp verwendet.
Natural Language Processing

Text aus PDF-Dateien extrahieren

Von Lovis Schmidt • 17. August 2020

Vergleich der Open-Source-Python-PDF-Tools PyPDF2, pdfminer & PyMuPDF. Lesen Sie hier über Tools zur Extraktion von Text aus PDF-Dateien.
Tools

Die besten kostenlosen Labeling-Tools für NLP-Textannotationen

Von Fabian Gringel • 30. März 2020

Informieren Sie sich über die besten kostenlosen Labeling Tools zur Natural Language Processing (NLP) Textannotation, der Installation & Konfiguration.
Tools

Test von OCR-Scannern: die beste Software für Texterkennung

Von Fabian Gringel • 20. Januar 2020

Lesen Sie über den Vergleich von OCR-Tools zur Texterkennung und erfahren Sie, welche die beste Texterkennungs-Software für Ihr Projekt ist.
Tools

Wie Google Cloud Machine Learning-Projekte beschleunigt

Von Johan Dettmar • 25. Oktober 2019

Lesen Sie hier, wie Google Cloud-Dienste Machine Learning-Projekte beschleunigen können und erfahren Sie mehr über die Phasen des Machine Learnings bei dida.