Find out how analytics, from data mining to cognitive computing, is changing the way we do business

Paul Gittins 0
Does your choice of coding language matter?

I can still remember the emergence in the 1990s of Java as a universal and largely open-sourced programming language. Some observers believed it would signal the eventual demise of proprietary languages such as C, Fortran and Cobol. Current surveys, however, and there are many, confirm that plenty of people continue

Advanced Analytics | Analytics | Customer Intelligence | Data Visualization | Machine Learning
Suneel Grover 0
SAS Customer Intelligence 360: Decision management, machine learning, and digital marketing

A typical day brings countless business decisions that affect everything from profitability to customer experience. What is a reasonable price point? Which audience segments should I personalize offers for? When should I recommend specific content earlier in a customer journey? Daily decisions like these can alter the trajectory of a

Luis Barrientos 0
Cómo se prepara el sector financiero mexicano para implementar IFRS 9: una lectura con mayor lupa

La devastación que provocó la crisis financiera de hace una década, que alcanzó a las principales economías del mundo y contagió al resto, dio origen a modificaciones y actualizaciones en las Normas Internacionales de Información Financiera (NIIF). En particular, me centraré en la NIIF 9 (o IFRS 9, International Financial

Analytics | Artificial Intelligence
Nico Büttner 0
KI in Computerspielen und was sie uns über KI in der Geschäftswelt lehren kann

Ich muss gestehen: ich bin leidenschaftlicher Gamer. Man könnte auch sagen, ein „Nerd“. Ich liebe Computerspiele, nicht nur, sie zu spielen, sondern ich möchte auch wissen, wie sie gemacht werden, wie sie funktionieren und wohin die Entwicklung in Zukunft führen wird. Ganz besonders interessiert mich, wie künstliche Intelligenz in Spielen

Greg Horne 0
Is telemedicine the future of medicine?

I first used telemedicine (the remote diagnosis and treatment of patients by means of telecommunications technology) in the mid-90s when I was working as an on-call CT technician in the UK. We used a modem to transfer head trauma scans to the local neurology center for assessment so that the

Advanced Analytics | Analytics | Customer Intelligence | Data Visualization | Machine Learning
Suneel Grover 0
SAS Customer Intelligence 360: Model management for competitive differentiation [Part 1]

The universe of customer experiences, digital analytics, personalization and decisioning is massive. At times, it can seem as complicated and vast as the galaxy itself. With intricate subjects underneath this umbrella, you can lose direction, wander aimlessly, or feel a misleading sense of success or failure. When you lose vision,

Analytics | Machine Learning
Chris Hartmann 0
Machine Learning: Mehr Effizienz im Planungsprozess

Sie glauben, dass Machine Learning die Rolle von Nachfrageplanern komplett ersetzen kann? Dann lesen Sie diesen Beitrag besser nicht. Wenn Sie jedoch der Ansicht sind, dass maschinelles Lernen den Planungsprozess automatisieren kann, so dass Nachfrageplaner effizienter arbeiten können, dann stimme ich Ihnen voll und ganz zu! Intelligente Automatisierungstechniken sind quasi

Analytics | Artificial Intelligence | Machine Learning
Makoto Unemi (畝見 真) 0
SAS Viya:一般物体検出(Object Detection)を試してみた

PythonからSAS Viyaの機能を利用するための基本パッケージであるSWATと、よりハイレベルなPython向けAPIパッケージであるDLPyを使用して、Jupyter NotebookからPythonでSAS Viyaの機能を使用して一般物体検出(Object Detection)を試してみました。  今回は、弊社で用意した数枚の画像データを使用して、処理の流れを確認するだけなので、精度に関しては度外視です。  大まかな処理の流れは以下の通りです。 1.必要なパッケージ(ライブラリ)のインポートとセッションの作成 2.一般物体検出向け学習用データの作成 3.モデル構造の定義 4.モデル生成(学習) 5.物体検出(スコアリング)  1.必要なパッケージ(ライブラリ)のインポートとセッションの作成 swatやdlpyなど、必要なパッケージをインポートします。 from swat import * import sys sys.path.append(dlpy_path) from dlpy.model import * from dlpy.layers import * from dlpy.applications import * from dlpy.utils import * from dlpy.images import ImageTable   from dlpy.splitting import two_way_split from dlpy.blocks import *

1 2 3 89

Back to Top