VDMA Vortrag - 2018

1. daenet Gesellschaft für Informationstechnologie mbH
Hanauer Landstr. 204 60314 Frankfurt am Main
KI zum Anfassen
Damir Dobric
daenet GmbH
https://daenet.de

2. https://about.me/damirdobric

3. • Intro
• Patterns in Daten
• Intuitive Schätzung
• Beispiele:
• Wenn die Intuition nicht mehr hilft
• Arbeiten mit Produktionsdaten
• Kreditrisiko
• Demos
• ML/KI Unter der Haube
• Image Recognition mit DNN
• Function Recognition mit K-Means
• Q&A

4. Ihr Partner für digitale Transformation
und Microsoft Azure!
Cloud IoTAI / ML

5. Gegründet 1999
Sitz Frankfurt am Main
30 Mitarbeiter
Unternehmensstandort
und Nearshore
Microsoft
Partner of the
Year Award
2005 & 2010
Starke
Microsoft
Partnerschaft
Gold Cloud Platform
Gold Application Development
Gold Application Integration
Azure Advisors Program
Microsoft Most Valuable Professional
Microsoft Regional Director
Initiative
Mittelstand
BEST OF 2014
INNOVATIONSPREIS-IT
Cloud Computing

7. Model Training Model
Integration

8. X Y
1 FALSE
9 TRUE
6 TRUE
4 FALSE
8 TRUE
2 FALSE
7 TRUE
3 FALSE
4 FALSE
5 FALSE
10 TRUE
15 TRUE
12 TRUE
X Y
1 FALSE
2 FALSE
3 FALSE
4 FALSE
4 FALSE
5 FALSE
6 TRUE
7 TRUE
8 TRUE
9 TRUE
10 TRUE
12 TRUE
15 TRUE
https://www.slideshare.net/damirdobric/azure-machine-learning-intro

9. https://work.caltech.edu/telecourse.html

10. X Y RESULT
----------------------
0.3 0.01 0
0.09 0.09 0
0.11 0.98 0
0.65 0.25 1
0.4 0.82 0
0.25 0.45 1
0.26 0.38 1
0.38 0.6 1
0.48 0.45 1
0.88 0.15 1
0.5 0.88 0
0.6 0.81 0

12. https://github.com/UniversityOfAppliedSciencesFrankfurt/LearningApi/tree/mlp-backpropagation/LearningApi/src/MLAlgorithms/NeuralNetworks/NeuralNet.MLPerceptron/Documentation

13. https://sud.vdma.org/viewer/-/v2article/render/26018603

14. Multilayer
Perceptron

16. • The model with 9 hidden neurons gives the best results,
with a correct result percentage of 77.5%.
• The number of hidden neurons can have a great impact
on the network performance:
• Too few hidden neurons cannot solve complex credit
rating problems,
• Too many of them may result in low efficiency and
accuracy.

21. Brauchen wir Cloud für KI?

23. https://sud.vdma.org/viewer/-/v2article/render/26018603
https://github.com/UniversityOfAppliedSciencesFrankfurt/LearningApi
https://www.slideshare.net/damirdobric/azure-machine-learning-intro

24. https://about.me/damirdobric
https://www.meetup.com/Azure-Meetup-Frankfurt/

25. © Copyright daenet GmbH. All rights reserved.