Machine Learning
MACHINE LEARNING:
- beschreibt wie Wissen „künstlich“ aus Erfahrung generiert wird
- aus Beispielen werden abgeleitete Regeln und Muster verallgemeinert und automatisch angewendet
DAS POTENTIAL VON BIG DATA NUTZEN.
Technische Entwicklungen machen die Datenhaltung günstiger und flexibler und ermöglichen darüber hinaus, Daten schneller zu verarbeiten. Der Einsatz von Machine Learning ermöglicht es, Regeln schnell und effektiv aus bestehenden Datensätzen abzuleiten. Auf diese Weise können Massendaten effektiv systematisiert und kategorisiert werden. Hierdurch können Fachabteilungen entlastet werden und sich ihren Kernthemen widmen. Machine Learning übernimmt die Fleißarbeit.
ANWENDUNGSGEBIETE des maschinellen lernens.
- Zusammenführung zweier Artikelstämme während der Datenintegration
- Identifikation ähnlicher Kunden, z. B. durch ähnliches Kaufverhalten
- Identifikation von Anomalien, wichtig bei Betrugserkennung
- Hochrechnung von Umsätzen, Lagerbeständen oder für die Budgetplanung
- Extraktion von Dokumenteninhalt
Richtig eingesetzt, bieten Machine-Learning-Verfahren viele Vorteile.
- Muster und Regeln werden automatisch ermittelt und bewertet
- Große Datenmengen lassen sich schneller verarbeiten
- Das Qualitätsniveau des Ergebnisses lässt sich kontinuierlich steigern
- Ein erstes Ergebnis ist i.d.R. sehr schnell realisierbar
- Fleißarbeit lässt sich auf die Maschine auslagern
- Fachkräfte können sich auf die inhaltlichen Anforderungen fokussieren
Wir bieten unabhängige Beratung und nutzen Best of Breed Ansätze.
Den Machine Learning Stack der folgenden Anbieter setzen wir bereits erfolgreich ein und integrieren diese Lösungen in bestehende Prozesse:
- Microsoft Azure
- Amazon Web Services
- TIBCO Data Science und TIBCO Spotfire
- SAP Data Intelligence und SAP Cloud
- Pyramid Decision Intelligence Platform
Download Case Study Linde ML.
Der Python-Code der Machbarkeitsstudie wurde in die Microsoft Azure Cloud integriert. Nach einer Anforderungsanalyse wurden passende Technologien ausgewählt, eine Datenanbindung sowie eine Machine-Learning-Pipeline entwickelt. Diese Pipeline wurde individuell konfiguriert und evaluiert. Transparente Versionierung und Docker-Container wurden implementiert, ebenso DevOps Pipelines. Dadurch kann Linde ein Machine-Learning-Modell für über 2.800 Anlagen weltweit trainieren und einsetzen.
Erfolgreiche Projektreferenzen.
Für einen deutschen Online-Händler haben wir einen Prototyp zur automatischen Einordnung von Artikeln in einen Kategoriebaum erprobt. Ein Einfaches, aber sehr genaues Machine-Learning-Modell liefert den Nutzenden in der Artikelpflege mehrere wahrscheinliche Kategorie Zuordnungen, noch während die Artikeldaten im System eingetippt werden. Das entwickelte System konnte in allen Tests erfolgreich überzeugen und wird nun in den produktiven Betrieb übernommen.
Ressource Center
Prodato verbindet.
Unsere Ansprechpartner stehen Ihnen für Rückfragen gerne zur Verfügung!
Melanie Sigl
Managing Consultant
anfrage@prodato.de
+49 (0) 911 / 994 730 – 0
