Machine Learning


What AI (Artificial Intelligence) and machine learning allows you to do is find the needle in the haystack.” – Bob Work

aws certified partner network

Worum geht es?


Maschinelles Lernen ist ein iterativer Prozess, um Erkenntnisse zu gewinnen. 

Herausforderungen verbergen sich auf der inhaltlichen, aber auch auf der technischen Ebene. Neben der Datenanalyse, dem Feature Engineering und der Bewertung von Modellmetriken, sollte man Aspekte wie Sicherheit, Betrieb und Überwachung mit empfohlenen Best Practices in Cloud-Umgebungen nicht vernachlässigen.

Wir als tecRacer sind erfahrene Generalisten, haben aber auch spezielle Teams, wie für Machine Learning, um beide Aspekte zusammenzubringen.

AWS AI Modell nutzen


Mit den Highlevel-Services von AWS können wir direkt loslegen und das Potenzial des maschinellen Lernens erkunden. Es gibt eine Reihe von Diensten, welche eine gebrauchsfertige API bereitstellen, um deine Daten zu untersuchen und sofortige Ergebnisse zu erhalten.

Für allgemeine und gängige Probleme wie Bilderkennung, Übersetzung und Klassifizierung liefern diese Dienste direkt präzise Ergebnisse, ohne, dass Anpassungen erforderlich sind.

PROJEKTREFERENZ “AWS Ai Modell nutzen”

Hessische Zentrale für Datenverarbeitung

Projektziele

Benutze AWS gemanagte Modelle bei üblichen Anwendungsfälligen.

Trainiere dein AI Modell


Ab einer gewissen Komplexität und Vielfalt führt kein Weg daran vorbei, seine eigenen Modelle zu trainieren.

Sowohl die Daten als auch der Usecase können Anforderungen haben, welche die Out-of-the-Box- Services von AWS nicht immer erfüllen. Es gibt zwar Dienste, die das Training von benutzerdefinierten Modellen anbieten, aber vielleicht möchtest du deine Modelle selbst verwalten, damit experimentieren, sie bereitstellen oder formatieren.

Hier kommen wir in den Bereich von MLOps und insbesondere Amazon SageMaker, das mit bekannten Frameworks wie PyTorch, TensorFlow und vielen anderen ausgestattet ist.

PROJEKTREFERENZ “Trainiere dein Ai Modell”

Bayer CropScience

Projektziele

Erstelle ein neues Modell, das auf deinen Anwendungsfall zugeschnitten ist.

Prediction


Sobald die Arbeit der Datenanalysten erledigt ist und deine Daten ausgewertet und statistische Merkmale extrahiert wurden, ein Modell trainiert, analysiert und einsatzbereit ist, geht es an die eigentliche Bereitstellung und Nutzung.

Die Kontrolle über deine Modellartefakte erlaubt es dir sie umzuwandeln und zu komprimieren, um sie beispielsweise auf Endgeräten, in mobilen Apps oder sogar auf IoT- Devices laufen zu lassen.

Die schwergewichtigen Modelle können in Containern auf Amazon SageMaker-Endpunkten ausgeführt werden. Latenzempfindliche Anwendungen nutzen Amazon Elastic Inference, um Echtzeitanfragen zu beschleunigen.

Kontakt

  • +43 720 34 36 11 (AT)

  • +41 415 41 16 59 (CH)

  • +49 511 59 05 950 (international)

Standorte

Duisburg
Bismarckstraße 142
47057 Duisburg
Frankfurt am Main
Hamburger Allee 45
60486 Frankfurt am Main
Hamburg
Ballindamm 7
20095 Hamburg
Hannover
Vahrenwalder Str. 156
30165 Hannover
Lissabon (PT)
Edifício LACS
Rocha Conde d’Óbidos
1350-352 Lisboa
Portugal
Luzern (CH)
Hirschengraben 33
6003 Luzern
Switzerland
München
Rosenheimer Str. 143c
81671 München
Wien (AT)
Ungargasse 37
1030 Wien
Austria