Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Bedankt voor het vertrouwen het afgelopen jaar! Om jou te bedanken bieden we GRATIS verzending (in België) aan op alles gedurende de hele maand januari.

Afhalen na 1 uur in een winkel met voorraad
Gratis thuislevering in België
Ruim aanbod met 7 miljoen producten

Winkels

Verlanglijstje

Winkels

Verlanglijstje

Zoeken

Volg ons op

Wist je dat er in Vlaanderen voor iedereen een Standaard Boekhandel is binnen een straal van 7 km?

Zoek een winkel

€ 48,45

+ 96 punten

Levertermijn 1 à 4 weken

Eenvoudig bestellen

Veilig betalen

In januari gratis thuislevering in België (via bpost)

Gratis levering in je Standaard Boekhandel

Omschrijving

Heutzutage stoßen herkömmliche Datenverwaltungsprozesse bei der Nutzung von heterogenen Daten häufig an ihre Grenzen. Als neue Methode zur automatischen Bearbeitung unstrukturierter Daten hat sich inzwischen die künstliche Intelligenz (engl. Artificial Intelligence (AI)) durchgesetzt und findet mittlerweile Anwendung in allen Bereichen der Wirtschaft.Generell hängt der Erfolg des Einsatzes von maschinellem Lernen stark von der Größe der verwendeten Datensätze ab. Deshalb geht der Trend zur Verarbeitung immer größerer Datensätze durch immer komplexere Modelle, die einen stetigen Ausbau der technischen Ressourcen erfordern. Dies schränkt aber nicht nur das Einsatzgebiet des maschinellen Lernens aufgrund fehlender Datensammlungen stark ein, sondern auch die Menge der Anwenderinnen und Anwender, da ihnen die benötigte technische Ausrüstung nicht zur Verfügung steht. Aus diesem Grund hat sich in der letzten Zeit ein Forschungsgebiet entwickelt, welches versucht, diese Einschränkungen zu umgehen, indem nach Techniken gesucht wird, durch die die benötigten Datenmengen und somit auch die technischen Ressourcen reduziert werden können. In dieser Arbeit wird der Ansatz verfolgt, dass entweder durch geschickte Vorverarbeitung oder aber durch den Transfer des Wissens von großen vortrainierten Modellen mittels Transfer Learning auch aus kleinen Datensätzen ausreichend Informationen gezogen werden können, um so ein Modell auf eine neue Aufgabe zu trainieren.