Slide 1

Slide 1 text

JÖRG NEUMANN | ACLUE GMBH @JOERGNEUMANN MACHINE LEARNING: SOFTWAREENTWICKLUNG 2.0?

Slide 2

Slide 2 text

Menge Komplexität Personalisierung Selbstlernend Einsatzszenarien WANN BRAUCHT MAN MACHINE LEARNING?

Slide 3

Slide 3 text

Recommendation Engines Fraud Detection Predictive Maintenance EINSATZFÄLLE

Slide 4

Slide 4 text

Gesundheitswesen Bots Selbstfahrende Autos EINSATZFÄLLE

Slide 5

Slide 5 text

Algorithmen Rechenleistung Daten VORAUSSETZUNGEN

Slide 6

Slide 6 text

Quelle: IDG Machine Learning Studie 2019 Datenqualität verbessern Machine Learning verstehen Worin sehen Sie in Ihrem Unternehmen die größten Hürden für die Anwendung von Machine Learning?

Slide 7

Slide 7 text

Wie funktioniert Machine Learning? Daten Algorithmus Model App

Slide 8

Slide 8 text

Entwickler › Grundlegendes Verständnis von ML › Verwendung von Tools & Libraries › Nutzung von vorgefertigten Modellen › Entwicklung mit Java, C# oder JavaScript Data Scientist › Tiefes Verständnis von ML › Aufbau neuronaler Netze › Entwicklung und Optimierung von Modellen › Entwicklung mit Python oder R Was bedeutet das für mich?

Slide 9

Slide 9 text

Framework für .NET Entwickler Toos zur leichten Entwicklung eigener Modelle Erweiterbar durch TensorFlow & co. Production ready C# F# http://dot.net/ml ML.NET Open Source / Cross Plattform Machine Learning Framework

Slide 10

Slide 10 text

A few things you can do with ML.NET … Was kann man damit machen? Samples @ https://github.com/dotnet/machinelearning-samples

Slide 11

Slide 11 text

ML.NET API (Code) ML.NET Model Builder (Visual Studio UI) ML.NET CLI (Command-Line Interface) C# >_ Wie kann man ML.NET nutzen?

Slide 12

Slide 12 text

DEMO Model Builder

Slide 13

Slide 13 text

Fazit ▪ Machine Learning eröffnet neue Möglichkeiten ▪ Ein grundlegendes Verständnis und das richtige Mindset sind entscheidend ▪ ML.NET ist ein guter Einstieg für .NET Entwickler ▪ Azure bietet eine Reihe vorgefertigter Lösungen an

Slide 14

Slide 14 text

No content