A/B-Testing Activation-Function Aktivierungsfunktion Algorithmik Arbeit Automatisierung Bandit-Algorithmen Bandits Bilderkennung Bildverarbeitung Bremen Bücher Data Science Deep Learning Delta-Regel Digitalisierung E-Commerce Echtzeitoptimierung Fun GAN Geschenk Geschichte der KI Gradient Descent Gradientenabstieg Horror Jupyter KI Keras Konnektionismus Künstliche Intelligenz Künstliche Träume Lernen Lernkarten Lineare Regression Logistische Regression Loss-Function Loss-Funktion Maschinelles Lernen Meetup Neuronale Netze Neuronale Netzwerke Neuronales Netz Python Reinforcement Learning Shortnews Spaß Symbolische KI Tensorflow Tutorial Verlustfunktion

-Arbeit -Gesellschaft -Künstliche Intelligenz

A/B-Testing

Bandits in der Wildbahn - Vortrag auf der data2day 2017

Activation-Function

Der Lego-Baukasten des Maschinellen Lernens - heute mit sigmoidaler Aktivierungsfunktion

Aktivierungsfunktion

Der Lego-Baukasten des Maschinellen Lernens - heute mit sigmoidaler Aktivierungsfunktion

Algorithmik

Gradientenabstieg und Herleitung der Delta-Regel - die Mathematik hinter den Neuronalen Netzen

Mit Python und Numpy das Perzeptron verstehen

Neuronales Netz selbst entwickeln mit Python

Bandits in der Wildbahn - Vortrag auf der data2day 2017

Arbeit

Automatisierung

Backpropagation

Bandit-Algorithmen

Bandits in der Wildbahn - Vortrag auf der data2day 2017

Bandits

Bandits in der Wildbahn - Vortrag auf der data2day 2017

Bias

Bilderkennung

Bildverarbeitung

Bremen

Bücher

DOT.AI

Data Science

Was schenkt man einem Mathe-Nerd?

Bandits in der Wildbahn - Vortrag auf der data2day 2017

Deep Learning

Delta-Regel

Gradientenabstieg und Herleitung der Delta-Regel - die Mathematik hinter den Neuronalen Netzen

Digitalisierung

Diskrimierung

Disruption

E-Commerce

Bandits in der Wildbahn - Vortrag auf der data2day 2017

Echtzeitoptimierung

Bandits in der Wildbahn - Vortrag auf der data2day 2017

Fun

GAN

Geschenk

Was schenkt man einem Mathe-Nerd?

Geschichte der KI

Gesellschaft

Gradient Descent

Der Lego-Baukasten des Maschinellen Lernens - heute mit sigmoidaler Aktivierungsfunktion

Gradientenabstieg

Der Lego-Baukasten des Maschinellen Lernens - heute mit sigmoidaler Aktivierungsfunktion

Hidden Layer

Horror

Hype

Jupyter

Bandits in der Wildbahn - Vortrag auf der data2day 2017

KI

Keras

Konnektionismus

Künstliche Intelligenz

Datenschätze im E-Commerce - der Fachtag 2017 bei neuland

Künstliche Träume

Lernen

Gradientenabstieg und Herleitung der Delta-Regel - die Mathematik hinter den Neuronalen Netzen

Mit Python und Numpy das Perzeptron verstehen

Neuronales Netz selbst entwickeln mit Python

Lernkarten

Lineare Regression

Gradientenabstieg und Herleitung der Delta-Regel - die Mathematik hinter den Neuronalen Netzen

Logistische Regression

Der Lego-Baukasten des Maschinellen Lernens - heute mit sigmoidaler Aktivierungsfunktion

Loss-Function

Der Lego-Baukasten des Maschinellen Lernens - heute mit sigmoidaler Aktivierungsfunktion

Loss-Funktion

Der Lego-Baukasten des Maschinellen Lernens - heute mit sigmoidaler Aktivierungsfunktion

Maschinelles Lernen

Gradientenabstieg und Herleitung der Delta-Regel - die Mathematik hinter den Neuronalen Netzen

Mit Python und Numpy das Perzeptron verstehen

Neuronales Netz selbst entwickeln mit Python

Datenschätze im E-Commerce - der Fachtag 2017 bei neuland

Meetup

Mehrschichtig

Neuronale Netze

Neuronale Netzwerke

Neuronales Netz

Gradientenabstieg und Herleitung der Delta-Regel - die Mathematik hinter den Neuronalen Netzen

Mit Python und Numpy das Perzeptron verstehen

Neuronales Netz selbst entwickeln mit Python

Python

Gradientenabstieg und Herleitung der Delta-Regel - die Mathematik hinter den Neuronalen Netzen

Mit Python und Numpy das Perzeptron verstehen

Neuronales Netz selbst entwickeln mit Python

Bandits in der Wildbahn - Vortrag auf der data2day 2017

Reinforcement Learning

Bandits in der Wildbahn - Vortrag auf der data2day 2017

Shortnews

Spaß

Symbolische KI

Tensorflow

Tutorial

Neuronales Netz selbst entwickeln mit Python

Verlustfunktion

Der Lego-Baukasten des Maschinellen Lernens - heute mit sigmoidaler Aktivierungsfunktion