Deep Learning

DEEP LEARNING

Deep Learning basiert auf künstlichen neuronalen Netzen und ist ein Unterbereich des Machine Learning sowie der Artificial Intelligence (AI), der für besonders herausforderende Aufgaben eingesetzt wird.

DATANOMIQ Artificial Intelligence

Deep Learning bezeichnet einen Unterbereich des maschinellen Lernens und wird sowohl für Predictive Analytics (Regression, Klassifikation) als auch zum Data Mining (Clustering, Dimensionsreduktion) eingesetzt.

Typische Anwendungsfelder sind jene für Predictive Analytics und Data Mining. Darüber hinaus werden mit Deep Learning auch unstrukturierte Daten wie Text- und Bild-Daten verarbeitet.

Mit DATANOMIQ AI erhalten Sie den nötigen Vorsprung gegenüber Wettbewerbern. Wir setzen auf die richtige Kombination sowohl moderner als auch etablierter Algorithmen aus dem Deep Learning.

Typische Anwendungsgebiete:

Forcasting von fließenden Werten
Klassifikation von Geschäftsereignissen
Anomalie-Erkennung z. B. in Finanztransaktionen oder Maschinendaten
Klassifikation oder Rekonstruktion von Bildern
Text-Klassifikation, Rekonstruktion oder Vervollständigung von Texten

Text-Erkennung
Klassifikation von Texten z. B. zur Erkennung des Themas im Text oder zur Sentiment-Analyse von Social Media Postings.
Bild-Erkennung
Erkennung von Objekten auf Bildern (z. B. Skizzen oder Fotos) zur automatisierten Verschlagwortung oder zur Findung vergleichbarer Bilder.
Automatisierung
Unser Decision Modelling lässt sich auch automatisieren, beispielsweise für eine vorausschauende und automatisierte Qualitätsüberwachung mit Fotos von Werkstücken, Instandhaltung (Predictive Maintenance) oder Einkaufs-Disposition (Predictive Order Analytics).

Klassifikation von Geschäftsereignissen
Unsere Algorithmen versehen Ihre Business Events mit Klassen-Labels, so dass z. B. Kundenbestellungen mit einer erhöhten Retourenwahrscheinlichkeit oder Maschinenläufe mit einer erhöhten Gefahr auf Ausfall oder Ausschuss zur Früherkennung gekennzeichnet werden.
Regression von Geschäftswerten
Unsere Regressionsmodelle ermöglichen die Vorhersage von Umsätzen, quantifizierte Bedarfe, angemessene Preise oder auch von Maschinenzuständen wie z. B. die Temperatur.
Zeitreihenanalyse
Predictive Analytics ist auch für das Forecasting von Werteverläufen über die Zeit die richtige Wahl.