Beitrag von Jan Koltermann

Annotation von Time Series Daten ist entscheidend für die explorative Datenanalyse. So werden wichtige Abschnitte von Messwerten markiert, aus denen anwendungsspezifische Insights gewonnen werden. #TimeSeries #Daten #Annotation #Datenanalyse #DataScience

💡 Was nützen die besten Daten, wenn sie nicht vergleichbar sind? Time Series Normalisierung ist ein einfacher, aber wichtiger Preprocessing-Schritt, der Data Science und Machine Learning ermöglicht, aus allen Daten wertvolle Erkenntnisse abzuleiten. 📊✨ #Daten #TimeSeries #Preprocessing #DataScience #MachineLearning

Wie ich eine coolen Promo-Song mit wenig Aufwand erzeugt habe. Die KI-Generierung von Musik wird inzwischen von einigen Unternehmen angeboten. Meist haben die aber das Problem, dass keine ganze Struktur erkennbar ist, das klassische Liedschema A-B-A-B, das in jedem Schlager auftaucht, konnte nicht umgesetzt werden. Die KIs haben immer nur ein Stückchen generiert. Man konnte das zwar dann verlängern, aber der zweite Refrain war ganz anders als der erste. Jetzt gibt es ein Update von Udio, das dieses Problem behebt. Ich habe das mal getestet. Wir haben ja an der Hochschule Coburg den Master Data Science, der eine interessante Weiterbildungsmöglichkeit für alle darstellt, die einen Bachelor in Ingenieur- oder Naturwissenschaften, in Wirtschaftswissenschaften, Mathematik oder Informatik haben. Aus der Studiengangsbeschreibung habe ich mir mit ChatGPT einen Songtext erzeugen lassen, mit Udio dann daraus einen kompletten Song gemacht. Ich habe nur "coole Beats" und den Text vorgegeben. Die Aussprache hakt manchmal etwas, besonders wenn im deutschen Text englische Begriffe wie "Science" auftauchen. Und für meinen Geschmack ist der Sound zu elekto-lastig, aber ich gehöre ja auch nicht zur Zielgruppe. Hört doch einfach mal rein: https://lnkd.in/eM4uHca9 #datascience #masterstudium #informatikstudium #hochschulecoburg #ki #künstlicheintelligenz

Jetzt kann man auch die deutsche Version unseres Handbuchs für Data Science und KI vorbestellen. Es handelt sich dabei um die dritte Auflage, die nun um Grundlagenmodelle erweitert wurde, die in der vorherigen Auflage nicht enthalten waren. Außerdem wurden eine Reihe weiterer Erweiterungen vorgenommen. Man kann es hier vorbestellen: https://lnkd.in/ewnnC-55

Lernen Organisationen genau wie Menschen am besten durch Handeln? 🤔 Wir sagen ja! 👍 💡 Es ist an der Zeit zu erkennen, dass Maschinelles Lernen und künstliche Intelligenz nicht länger ein zukünftiges, erstrebenswertes Unternehmensziel sein müssen. 🤝🔍 Denn #MachineLearning und #KI verändern bereits jetzt jede Branche weltweit. 🌍 Der schnellste und effektivste Weg, den Wert von Daten zu erschließen und die Herausforderungen der #KI im Unternehmen zu bewältigen, darin besteht, aktiv zu werden. Habt ihr das Potenzial für euer Unternehmen schon erkannt, es in eine datengesteuerte Organisation zu verwandeln? Vor welchen Herausforderungen Unternehmen bei der #Implementierung von KI-Lösungen stehen und wie wir euch dabei helfen können, diese zu überwinden, erklärt euch Scott Munson (Vice President of AI). Mehr Informationen findet ihr hier auf unserer Website ➡️ https://lnkd.in/ewtU6cTf Zum Video 📽️👉 https://lnkd.in/efFv5qUR #Evolutio #BetterWork

🚀 Big Data in der Forschung? Absolut! 💡 Bei uns bei Blue Ant setzen wir auf Big Data, um in unseren Projekten das Beste rauszuholen – sprich: präzisere Ergebnisse und smartere Entscheidungen. Ein aktueller Bericht zeigt, wie Big Data die Forschung richtig aufmischt und neue Wege für Innovationen und Erkenntnisse eröffnet. Echt spannend, wie viel Potenzial da drin steckt! Wie nutzt ihr Big Data in euren Projekten?! 👩💻👨💻 #BigData #Forschung #Datenanalyse #Innovation

Die spektrale Leistungsdichte ist ein wichtiges Werkzeug für Time Series Data Science, um tiefe Einblicke in das Frequenzverhalten der Daten zu erhalten. Hierdurch lässt sich bspw. das Rauschverhalten verstehen oder Störungsanalyse betreiben. #timeseries #datascience #datenanalyse

🔑 Die Kooperation zwischen dem Data Science Team und der Fachabteilung, aus der die Daten kommen, ist ein zentraler Schlüssel zum Erfolg aller Data Science Projekte. 🧠 Die Data Scientists wissen, wie man mit Daten arbeitet, um Probleme zu lösen. Die Leute aus der Fachabteilung wissen, welche Probleme sie bzw. ihre Kunden wirklich haben. ❓ Wer sollte bei deinem Data Science Projekt also am begeistertsten sein und die Richtung bestimmen? Diejenigen, die das Problem verstehen. Und wenn die nicht begeistert sind, ist es vielleicht nicht das richtige Problem. 🚀 Dich beschäftigt, wie du die Fachabteilungen so in deine Data Science Projekte einbindest, dass diese wirklich erfolgreich verlaufen? Dann melde dich gleich hier zum kostenlosen Webinar an: https://lnkd.in/dkDuS-jE 🤝 Das Webinar ist eine Kooperation zwischen der großartigen Dr. Julia Zukrigl vom DATA story LAB® und mir. Ich freue mich schon sehr auf die Zusammenarbeit! #AI #datascience #stakeholder #innovation #cooperation

9 Schritte für ein erfolgreiches Data Science Projekt 💡 Data-Science-Projekte erfordern ein exploratives Vorgehen und sind häufig volatil, da Erkenntnisse über Daten schrittweise gewonnen werden. Dies erschwert die Projektplanung. Wir entwickeln gemeinsam Ideen für Ihre Data Analytics Strategie. Wir erstellen und testen passende Use Cases, um sie anschließend operational zu machen. Dabei liegt der Fokus auf Skalierung und der Generierung echter Mehrwerte. Erfahren Sie jetzt mehr

Die richtige Einstellung von Parametern in Data Science und Machine Learning ist entscheidend, um effektiv Wissen aus Time Series zu extrahieren. Der SeriesExplorer Editor vereinfacht diesen Prozess, indem er sofort die Ergebnisse visualisiert. #DataScience #MachineLearning #TimeSeries #Editor #Visualisierung