AI
222 Inhalte
Entdecken Sie unser Archiv zu tiefgehenden Inhalte zum Thema AI.
KI-Assistenten unterstützen die Softwareentwicklung schon an vielen Stellen. Wir wollen wissen, ob KI auch beim Design von Testfällen im Systemtest hilfreich sein kann, wo ihre Grenzen liegen und wie man den Prozess optimieren kann. Dazu befragen wir eine generative KI anhand einer Beispielanwendung, bewerten die Ergebnisse und untersuchen die Einschränkungen.
Das Klassifikationsmodell macht immer wieder die gleichen Fehler, das Ergebnis des Clustering ist realitätsfremd, Overfitting macht den Entscheidungsbaum zu breit. Viele dieser Komplikationen lassen sich auf Versäumnisse in der Phase der Datenvorbereitung zurückführen. Das Feature Engineering als Teilprozess der Datenvorbereitung wird zunehmend durch Deep Learning ersetzt. Allerdings funktionieren..
Eine Übersicht und Analyse der TDWI Roundtables in der zweiten Jahreshälfte 2023.
Michael Hunger hat sich in den letzten neun Monaten sehr intensiv mit Generativer Künstlicher Intelligenz (GenAI) beschäftigt, da er die Initiativen in diesem Bereich bei Neo4j [Neo4jGenAI] koordiniert und natürlich auch persönlich sehr interessiert ist. Daher war er sehr angetan, neben den üblichen Python-basierten Integrationen von KI-Modellen in Anwendungen, mit [SpringAI] einen Ansatz im Java-..
AI
Anwendungssoftware
Wie die Entwicklung von KI-, ML- und LLM-Apps gerade ein bisschen einfacher wurde
Es ist allgemein bekannt, dass das Versprechen der Künstlichen Intelligenz (KI) von der sorgfältigen Aufbereitung und Verwaltung von Daten abhängt. Das Sprichwort "Garbage in, garbage out" gilt besonders für KI. Ohne saubere, vertrauenswürdige und aktuelle Daten ist die KI nutzlos. Effektive KI muss ständig lernen und sich anpassen. Das geschieht durch die kontinuierliche Aufnahme von Da..
