Twee leidende conferenties voor machine- en deep learning
Op 6 en 7 mei hebben in München twee toonaangevende evenementen plaats gevonden. Ze waren gewijd aan machine en deep learning, neurale netwerken en het gebruik ervan: Deep Learning World and Predictive Analytics World Industry 4.0. Meer dan 200 deelnemers uit 29 landen hebben deze conferenties bijgewoond!
Het is niet zo simpel om een conferentie van hoge kwaliteit te vinden, waarbij sprekers niet alleen de theoretische mogelijkheden van technologieën delen, maar ook hun toepassingen, die bedrijven reële economische voordelen opleveren. Dit was het geval bij de conferenties in München.
Wat is Deep Learning World and Predictive Analytics World Industry 4.0?
Beide conferenties zijn wereldwijde forums die worden gehouden in steden over de hele wereld. De tak van de Predictive Analytics World-conferentie in München werd voor de tweede keer gehouden, alleen dit jaar besloten de organisatoren om er nog een Deep Learning World bij te houden. Door twee conferenties onder het dak van de Holiday Inn te combineren, konden sprekers een breder scala aan onderwerpen behandelen: Deep Learning World gericht op de technische componenten van deep learning en neurale netwerken, en Predictive Analytics World Industry 4.0 op praktische toepassingen van het Internet of Things en machine learning in het bedrijfsleven.
SMART business bij Deep Learning World Munich 2019
SMART, lid van het Microsoft AI Inner Circle Partner Program, een gesloten programma van Microsoft voor de ontwikkeling van kunstmatige intelligentie, woonde de conferentie voor de tweede keer bij. Bij Deep Learning World werd het bedrijf vertegenwoordigd door data science engineer, Andrii Shchur.
– Sprekers kwamen naar Deep Learning World met zeer sterke topics vanuit een technisch oogpunt, -Andrii deelde zijn indrukken over de conferentie – Oplossingen van SMART business lopen niet achter op de gepresenteerde technologieën en in sommige gevallen zijn we zelfs een stap verder!
Andrii sprak in München met het thema – “De evolutie van aanbevelingssystemen. Hoe neurale netwerken en diep leren u toelaten om meer accurate aanbevelingen te doen. “
Met de groeiende hoeveelheid producten en informatie wordt het voor bedrijven steeds belangrijker om hun klanten te herkennen, relevante content en een product dat past bij hun voorkeuren te bieden. Het zijn aanbevelingssystemen gebaseerd op diepgaand leren die het analyseren van datasets mogelijk maken om gepersonaliseerde aanbiedingen van hoge kwaliteit voor elke klant te maken. Algoritmen bepalen de meest relevante aanbiedingen op basis van gegevens over aankopen: de regelmaat van de inkoop van goederen, prijscategorieën, locatie van winkels en demografische gegevens.
De oplossingen van SMART business die bij detailhandel ketten Chervoniy Market en Citrus geïmplementeerd werden, geven aanbevelingen met een nauwkeurigheid van 85%. Modellen helpen bedrijven om klantgedrag te begrijpen, relevante producten aan te bieden op het juiste moment en via de juiste communicatiekanalen. Met behulp van aanbevelingssystemen stijgt de conversie naar de aankoop van 5% naar 15%!
“De aanbevelingssystemen hebben veel interesse bij de conferentiedeelnemers betrokken. Ze hebben veel vragen gesteld en verschillende discussies doorgevoerd”, aldus Andrii. – Vertegenwoordigers van de stadsbibliotheek van Helsinki zeiden dat ze met behulp van een eenvoudig aanbevelingsnetwerk de conversie van bibliotheekbezoeken aanzienlijk verhoogden. Het is leuk om te horen dat neurale netwerken effectief zijn voor niet-commerciële beslissingen – dit spreekt van de echte voordelen van technologie.
Chat bots en vertaalsystemen
“De methoden van deep learning hebben aangetoond dat ze voldoende macht hebben om de subtiliteiten van de taal te simuleren en hebben alle andere geautomatiseerde vertaalmethoden al overtroffen.” (Natasha Latysheva, machine learning engineer Welocalize).
– Een van de belangrijkste uitdagingen voor chatbots-technologie is het gebruik van aanvullende kennis in de communicatie met de klant, – zei Sebastian Blank, data engineer Inovex. – De complexiteit van natuurlijke talen maakt het moeilijk om fragmenten van spraak te gebruiken met behulp van vooraf gedefinieerde regels.
Ingenieurs hebben deep learning-modellen zo opgesteld, dat ze een zoekopdracht creeren op basis van vragen in natuurlijke taal. Zulke systemen werken samen met relationele databases, en als resultaat heeft chat-bots interactie met een hogere precisie.
Deep Learning om de storing van het apparaat en uitval op de transportband te bepalen
“Recente ontwikkelingen in deep learning en machinevisie, samen met de rekenkracht van hardware, hebben nieuwe mogelijkheden geopend voor het opsporen van defecten in de industriële productie.” (Johannes Crokel, directeur Data Science & AI bij Schaeffler).
Schaeffler-ontwikkelaars hebben visuele inspectie gedurende het productieproces geïmplementeerd om een productdefect te vinden. In plaats van een mens die elke onderdeel controleert, wordt boven de transportband een camera geïnstalleerd, die uitval voorkomt. De resultaten toonden aan dat machine learning methoden effectief zijn voor visuele controle van productie in realtime – het model leerde om elke eenheid in de context te registreren en minimaliseerde fouten die verband houden met menselijke factoren.
Het Internet of Things (IoT) wordt ook gebruikt om de storing van de apparaten te bepalen. Voor dit doel worden op elke productie-eenheid sensoren geïnstalleerd. Door gegevens uit verschillende bronnen te analyseren, “zien” de modellen een storing van het apparaat en direct aanbevolen suggesties om een eenheid te repareren.
Diepgaand leren om de tekst van de contracten te analyseren
De capaciteit van machine learning laat al toe om de validiteit van contracten te evalueren. De oprichter van dida Datenschmiede, Philippe Jackmut, op basis van huurcontracten een model van een neuraal netwerk toonde, dat gebruik maakt van gedigitaliseerde contracten, om onnauwkeurigheden of zaken die in strijd zijn met de huidige wetgeving te identificeren. Het model laat zien welke contracten moeten worden herschreven en welke moeten worden beëindigd.
Een aantal onderwerpen van Predictive Analytics World Industry 4.0
“Dit jaar is het niveau van thema’s merkbaar toegenomen in Predictive Analytics World,” zei Andrii. – Sprekers kwamen aan met meer holistische cases en oplossingen, met effectieve mogelijkheden voor het gebruik van machine en diepgaande trainingssystemen. De verdeling van de conferentie in twee stromen stelde ons in staat om ons volledig te concentreren op bedrijfsoplossingen en het technische gedeelte voor Deep Learning World achter te laten.
Duitse spoorwegen gebruiken machine learning om elektriciteit te berekenen
Aangezien elektriciteit de belangrijkste energiebron is voor treinen, is het belangrijk om de benodigdheden ervoor op de juiste manier te distribueren. Ingenieurs van de Deutsche Bahn, de belangrijkste spoorwegmaatschappij in Duitsland, ontwikkelden een machine learning-model voor het voorspellen van het energieverbruik voor de trein.
Op basis van de treinschema, weersomstandigheden, tijdstip van de dag en congestie van spoorwegen, voorspelt het model, met een nauwkeurigheid van 85%, de hoeveelheid elektriciteit die op een bepaald moment aan elke afzonderlijke cluster moet worden geleverd. Hiermee kunt u de distributie van energie optimaliseren en mogelijke vertragingen in de aankomst van treinen minimaliseren.
Vodafone – data science in het werk van Telekom netwerk
Markus Rotter, hoofd van Network Analytics bij Vodafone, zei dat het bedrijf algoritmen voor computerleren en IoT gebruikt om netwerkdekking in Duitsland te voorspellen. Het model erkent een toename van de werklast van hoofdverbindingen en voorspelt hoe het verbruik en de belasting van het netwerk zich zullen ontwikkelen. Met behulp van deze informatie laten Vodafone-medewerkers nieuwe hoofdverbindingen bouwen en plaatsen ze telecommunicatie torens waar het verbruik groeit.
Daarnaast gebruikt Vodafone machine learning technologieën om klantverloop te voorspellen. Het model analyseert 80+ parameters, inclusief de technische informatie over de router, de snelheid van de gelegde kabel, informatie over het type netwerk en demografische factoren. Het bedrijf bouwt passende communicatie met klanten, biedt actuele pakketten aan en levert de nodige technische ondersteuning.
Commercieel gebruik van Internet of Things (IoT) bij boerderijen
Om de kwaliteit van leven van koeien en hun melkproductie te verbeteren, gebruiken sommige boerderijen in Duitsland het IoT. Met behulp van honderden sensoren, die zich zowel op de boerderij als op de koeien zelf bevinden, monitoren boeren continu de gezondheid en algemene toestand van het vee. Het model analyseert honderden parameters: van hartslag en voedselbeschikbaarheid tot temperatuur en vochtigheid, waarmee het model voorspelt wat boeren moeten doen om het leven van een bepaalde koe te verbeteren.
Tot slot
Dankzij de technologieën van deep- en machine learning zijn oplossingen beschikbaar geworden, die vijftien jaar geleden onpraktisch leken. De conferenties Deep Learning World en Predictive Analytics World Industry 4.0 hebben opnieuw aangetoond dat technologische ontwikkelingen het mogelijk maken om gegevens correcter te analyseren, het prognose niveau te verhogen, de uitstroom van klanten te verminderen en het werk van elk bedrijf te optimaliseren.