Artificial Intelligence

Discover how AI is used today and how it will augment human experience in the future

Advanced Analytics | Analytics | Artificial Intelligence
Pedro Felipe Cerón 0
Los gobiernos digitales transforman la forma de trabajar

La transformación digital y la modernización de los sistemas siguen siendo dos tendencias que constituyen prioridades de misión crítica para el sector público en 2019, según la consultora internacional Gartner. En ese camino, y para este nuevo año que inició, la aplicación de la Analítica Avanzada y de la Inteligencia

Advanced Analytics | Analytics | Artificial Intelligence
Pedro Felipe Cerón 0
Tres tendencias que impactarán la industria del consumo masivo en 2019

La implacable búsqueda del consumidor para satisfacer sus necesidades impulsa cada cambio que vemos en el ámbito del consumo masivo. La desaparición de la empresa Toys R Us en Estados Unidos, el récord de la plataforma Alibaba consiguiendo ventas por US$25.000 millones diarios en 2018, la promesa de JD.com de

Analytics | Artificial Intelligence | Internet of Things | Machine Learning
Javier Alexander Rengifo 0
El análisis predictivo: impactando los negocios y sus procesos de transformación digital

La tecnología y la sociedad están evolucionando en un entorno digital que exige cambios en el modelo de negocio, la infraestructura y la cultura de una organización. Sin embargo, uno de los mayores retos a los que se están enfrentando las empresas en este momento se basa en el desconocimiento

Analytics | Artificial Intelligence
Michael Rabin 0
Das moderne Aktuariat: Warum KI und Tempo künftig Umsatz bringt

Die Versicherungsbranche (Aktuariat) ist ein langer, ruhiger Fluss, auf dem träge Dampfer kreuzen. Sagen die einen. Sie ist ein Haifischbecken, das nur die stärksten überleben. Sagen die anderen. Recht haben sie beide. Denn zum einen ist der Versicherungsmarkt ganz klar ein reifer Markt, in dem der Handlungsspielraum für die einzelnen

Artificial Intelligence
Makoto Unemi (畝見 真) 0
SAS Viya:RNNでsin波を予測してみた

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のディープラーニング機能を使用した時系列予測を試してみました。  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 2.Sin波データの生成 3.セッションの作成 4.RNN向け時系列データセットの作成 5.モデル構造の定義 6.モデル生成(学習) 7.予測  1.必要なパッケージ(ライブラリ)のインポート swatやdlpyなど、必要なパッケージをインポートします。 import numpy as np import pandas as pd import matplotlib.pyplot as plt import swat.cas.datamsghandlers as dmh from swat import * import dlpy from dlpy import Sequential from dlpy.layers import * from dlpy.model import Optimizer, AdamSolver, Sequence

Artificial Intelligence | Customer Intelligence
Gerhard Svolba 0
Real-Time Scoring und Customer Behavior Analysis: Das konnte Frau Cerny schon in den 1970er Jahren!

Nicht erst im Zeitalter von künstlicher Intelligenz (KI) und Real-Time Decision Engines werden historische und aktuelle Verhaltensweisen von Kunden analysiert. Die Praxis, anhand dieser Informationen Entscheidungen zu treffen und sie in Echtzeit auf die Kundeninteraktion anzuwenden, gab es bereits in den 1970er-Jahren. Frau Cerny betrieb den Lebensmittelladen im Wohnhaus meiner

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

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 *

Artificial Intelligence | Customer Intelligence
Gerhard Svolba 0
Real-Time Scoring and Customer Behaviour Analysis Are Not New! Mrs. Cerny Applied These Methods Decades Ago

The epoch of artificial intelligence and real-time decision engines is not the first time that historical and actual behaviour of customers has been tracked and analysed. The practice of making decisions based on these findings and applying them in real time to customer interactions was already going on in the

Advanced Analytics | Analytics | Artificial Intelligence | Customer Intelligence | Data Visualization | Machine Learning
Suneel Grover 0
SAS Customer Intelligence 360: A look inside the black box of machine learning [Part 3]

In parts one and two of this blog posting series, we introduced machine learning models and the complexity that comes along with their extraordinary predictive abilities. Following this, we defined interpretability within machine learning, made the case for why we need it, and where it applies. In part three of

Advanced Analytics | Analytics | Artificial Intelligence | Customer Intelligence | Data Visualization | Machine Learning
Suneel Grover 0
SAS Customer Intelligence 360: A look inside the black box of machine learning [Part 2]

In part one of this blog posting series, we introduced machine learning models as a multifaceted and evolving topic. The complexity that gives extraordinary predictive abilities also makes these models challenging to understand. They generally don’t provide a clear explanation, and brands experimenting with machine learning are questioning whether they

Advanced Analytics | Analytics | Artificial Intelligence | Machine Learning
Makoto Unemi (畝見 真) 0
SAS Viya:Python API向けパッケージ:DLPyの最新版1.0拡張機能概要紹介

SASでは、従来からオープン・AIプラットフォームであるSAS Viyaの機能をPythonから効率的に活用いただくためのハイレベルなPython向けAPIパッケージであるDLPyを提供してきました。 従来のDLPyは、Viya3.3以降のディープラーニング(CNN)と画像処理(image action set)のために作成された、Python API向けハイレベルパッケージです。 DLPyではKerasに似たAPIを提供し、より簡潔なコーディングで高度な画像処理やCNNモデリングが可能でした。 そして、この度、このDLPyが大幅に機能拡張されました。 最新版DLPy1.0では、以下の機能が拡張されています。 ■ 従来からの画像データに加え、テキスト、オーディオ、そして時系列データを解析可能 ■ 新たなAPIの提供: ・ RNN に基づくタスク: テキスト分類、テキスト生成、そして 系列ラベリング(sequence labeling) ・ 一般物体検出(Object Detection) ・ 時系列処理とモデリング ・ オーディオファイルの処理と音声認識モデル生成 ■ 事前定義ネットワーク(DenseNet, DarkNet, Inception, and Yolo)の追加 ■ データビジュアライゼーションとメタデータハンドリングの拡張 今回はこれらの拡張機能の中から「一般物体検出(Object Detection)」機能を覗いてみましょう。 SAS Viyaでは従来から画像分類(資料画像1.の左から2番目:Classification)は可能でした。例えば、画像に映っている物体が「猫」なのか「犬」なのかを認識・分類するものです。 これに加えて、DLPy1.0では、一般物体検出(資料画像1.の左から3番目:Object Detection)が可能になりました。 資料画像1. (引用:Fei-Fei Li & Justin Johnson & Serena Yeung’s Lecture

Advanced Analytics | Analytics | Artificial Intelligence | Customer Intelligence | Data Visualization | Machine Learning
Suneel Grover 0
SAS Customer Intelligence 360: A look inside the black box of machine learning [Part 1]

As machine learning takes its place in numerous advances within the marketing ecosystem, the interpretability of these modernized algorithmic approaches grows in importance. According to my SAS peer Ilknur Kaynar Kabul: We are surrounded with applications powered by machine learning, and we’re personally affected by the decisions made by machines

1 2 3 4 10

Back to Top