På dette indlæg får du svar på:

• Grundlæggende - hvad er machine learning? Hvor kommer vi fra, og hvor bevæger vi os hen?
• Hvorfor er det interessant, og hvorfor kan vi få noget ud af det?
• Hvad skal man være opmærksom på eller kritisk over for?
• Hvordan kommer man i gang med at anvende machine learning?

Ved at bruge de nyskabende machine learning- og AI-teknologier kan virksomheder udnytte deres akkumulerede data til at skabe sig afgørende konkurrencefordele. De, der overvejer at implementere ML i deres forretningsprocesser, er imidlertid langtfra altid klar over, hvad det kræver, hvilke hindringer de kan løbe ind i, og hvordan de estimerer resultaterne af projektet.

På baggrund af ML-cases, som præsenteres af WaveAccess, vil vi analysere såvel de generelle som de mere specifikke udfordringer, der kan vise sig i løbet af udviklingsprocessen. Vi kommer med tip til, hvordan man effektivt og enkelt opbygger hele processen og styrer uden om faldgruberne – og til, hvordan man evaluerer resultaterne af sin ML-implementering.

I takt med at kunstig intelligens som disciplin har fundet vej til virksomhedernes direktionslokaler og strategier, stilles der i dag ofte "enterprise krav" til blandt andet deep learning-løsninger på samme niveau som andet it.

IBM har sammen med partneren Komplex it erfaring med at levere enterprise-løsninger som eksempelvis IBM PowerAI. I indlægget vil vi fortælle om vores erfaringer og anbefalinger.

Get the perfect start to your company AI/ML journey via thorough understanding and logic behind how to approach, create and succeed with you Business Case. Real use-case explanations and how they have started to transform products/services and internal employees.

Med udgangspunkt i erfaringerne fra en række organisationer, der allerede anvender machine learning i deres processer, sætter Anne Bøgh Fangel fokus på organisationskultur og hvad det kræver at implementere machine learning i praksis.

Professor på Datalogisk Institut og it-entreprenør Stephen Alstrup vil præsentere en række konkrete cases på anvendelse af AI.

Det vil inkludere AI til forbedret kundeservice og -support og andre områder, chatbots kombineret med software-robotter, som optimerer kundedialogen, klassificering af henvendelser, som optimerer sagsbehandlingen m.m.

Hvor er vi med AI i forhold til den teknologiske udvikling? Hvilke områder begynder vores kunder typisk med? Interesseret i konkrete cases og findings? Kom forbi og hør 'do's and don'ts' – uden alt for meget AI-hype, men med fokus på hurtig værdirealisering.

På Gartners hype-cycle er virtuelle assistenter, maskinlæring, selvkørende biler og andet, der bare minder om kunstig intelligens, på det absolutte højdepunkt af oppustede forventninger lige nu. Og Procter & Gamble kunne eksempelvis i 2017 fortælle sine investorer, at Olay Skin Advisor var en ny platform til analyse af hud, “som benytter en hel suite af kunstig intelligens-teknologier” - altså ikke bare kunstig intelligens, men en hel suite af kunstig intelligens-teknologier – helt ”almindelig” kunstig intelligens er simpelthen ikke nok til at analysere dit behov for hudcreme.

Så er AI bare hype? Eller bør vi kigge nærmere, når de syv mest værdifulde selskaber i verden er teknologiselskaber, som alle arbejder målrettet på at videreudvikle kunstig intelligens? I dagens afsluttende oplæg prøver vi at kigge lidt nærmere på selve begrebet kunstig intelligens og hvem, der driver udviklingen nu og i fremtiden.