Tech Lunch

Unser kostenloses Tech Lunch Angebot richtet sich primär an Software-Entwickler und Data Scientists. In 45-60min stellt einer unserer ML Experten das ausgesuchte Thema vor - gerne während der Mittagspause bei Ihnen vor Ort oder via Videokonferenz. Weiter unten finden Sie einige Themenvorschläge, gerne gehen wir auch auf individuellere Wünsche ein.

Machine Learning

Eine gute Vorspeise für Beginner.

Verfügbare Gerichte in Machine Learning

Fähigkeiten und Grenzen des maschinellen Lernens

Da die tatsächlichen Anwendungen der KI schnell wachsen, haben viele Unternehmen Schwierigkeiten mit der Integration von Algorithmen des maschinellen Lernens in ihren Arbeitsablauf. Dieser Vortrag soll Ihnen helfen, Ihre Bedürfnisse zu verstehen, Ihre Erwartungen abzuschätzen und die Machbarkeit eines KI-Projekts zu beurteilen.

KI in der Workflow-Automatisierung

Basierend auf unserer Erfahrung und Expertise zeigen wir Ihnen Fallstudien, in denen maschinelle Lernalgorithmen tatsächliche Aufgaben innerhalb bestehender Arbeitsabläufe übernehmen. Wir zeigen Ihnen die Grenze zwischen voll- und halbautomatisierten Prozessen und sprechen über die Bedeutung der Mensch-Maschine-Schnittstelle.

Angewandte KI

Wir erklären den Unterschied und das Zusammenspiel zwischen der Forschung im Bereich des maschinellen Lernens, der Technik des maschinellen Lernens und der Datenwissenschaft. Wir sprechen über die Organisation eines maschinellen Lernprojekts und wie jedes dieser Gebiete dazu beiträgt.

NLP und Informations­extraktion

Perfekt für datenhungrige Menschen. Hergestellt aus den besten Zutaten der Sprachverarbeitung und Informationsextraktion.

Verfügbare Gerichte in NLP und Informations­extraktion

Von Dokumenten zu Trainingsdaten

Es besteht eine wachsende Nachfrage nach automatischer Informationsextraktion von Dokumenten. Wir stellen verschiedene Data Labelling Tools vor und diskutieren Strategien, wie Sie Ihre Dokumente in Trainingsdaten umwandeln können.

Informationsextraktion aus halb-strukturierten Dokumenten

Wir sprechen über Herausforderungen und veranschaulichen Strategien, die zur Identifizierung und Extraktion von bestimmten Attributen innerhalb eines Dokuments verwendet werden. Solche Felder können sich auf Kundeninformationen, gekaufte Artikel oder allgemeine Dokumentkennungen beziehen.

Extrahieren von Text aus Dokument-Scans

Wir stellen verschiedene Open-Source- und kommerzielle OCR-Software vor, die die Extraktion von Text aus Dokument-Scans ermöglicht, und zeigen Ihnen, wie Sie das beste OCR-Tool für Ihr Projekt auswählen können.

Informationsextraktion aus Rechtsdokumenten

Auf der Grundlage einer Fallstudie stellen wir nicht nur die Anwendung der KI zur Informationsextraktion vor, sondern auch, wie sie in den rechtlichen Entscheidungsprozess eingebettet werden kann.

Deep Neural Networks hinter modernem Natural Language Processing

Wir führen Sie durch tiefe neuronale Netze, die in der modernen natürlichen Sprachverarbeitung verwendet werden - von RNN bis BERT - und diskutieren deren Vor- und Nachteile.

Machine Vision

Zum Dessert ein Klassiker. Mit Zutaten aus den datenreichsten Anbaugebieten der Data Science Landschaft.

Verfügbare Gerichte in Machine Vision

Machine Vision in der Qualitätskontrolle

Wir diskutieren die Anwendung von Machine Learning zur visuellen Fehlererkennung und Qualitätskontrolle in der Produktion. Außerdem geben wir Einblicke in aktuelle Methoden in puncto Data Augmentation.

Machine Vision für technische Zeichnungen

Wir sprechen über Herausforderungen und veranschaulichen Strategien, die bei der Analyse und Klassifizierung von technischen Zeichnungen mit Hilfe von maschineller Bildverarbeitung und optischer Zeichenerkennung eingesetzt werden.

KI in der Fernerkundung

Dieser Vortrag ist ein Streifzug durch Fallstudien der Fernerkundung. Wir stellen einige unserer Projekte vor, die für den Deutschen Wetterdienst, die Europäische Weltraumorganisation und die Industrie umgesetzt wurden.

Deep Neural Networks hinter modernem Machine Vision

Wir führen Sie durch das Feld der neuronalen Netze, die im modernen Machine Vision verwendet werden - von CNNs über konkrete Architekturen wie das U-Net bis hin zu Konzepten wie Pretraining. Darüber hinaus diskutieren wir deren Vor- und Nachteile.