b+m Informatik AG
Themen, die Sie bewegen.
Sie wollen mehr erfahren? Hier finden Sie eigene Publikationen, Artikel und Videos zu unserem Angebot und unseren Lösungen.
b+m bAVManager FAQ-Katalog - Frequently Asked Questions
Alle häufig wiederkehrenden Fragen zu Fachlichkeit, Technik und Datenmigration kurz beantwortet
(PDF 566 KB)
b+m bAVManager Leistungen und Preise
Funktionen und Leistungspakete auf einen Blick
(PDF 225 KB)
b+m bAVManager Fact Sheet
Alle wichtigen Informationen kurz zusammengefasst
(PDF 170 KB)
b+m bAVManager Akademie Basisschulungen
Ob Grundlagen der Parametrisierung, Anpassen von Globaldaten oder Überschreiben von Leistungsplänen - Wir zeigen Ihnen in der bAVManager Akademie, wie Sie es umsetzen können. Schauen Sie selbst.
Publikationen
b+m Insurance Suite für Bestandsführung & Sales mit durchgend digitalen Prozessen auf BiPRO-Basis
b+m Insurance Suite Fact Sheet
Alle wichtigen Informationen kurz zusammengefasst
(PDF 751 KB)
AI Spektrum
Artikel zum Thema Künstliche Intelligenz in der Praxis
Autoencoder - eine Vielseitig einsetzbare ArchitekturAutoencoder sind generative neuronale Netzwerke, die äußerst vielseitig einsetzbar sind. Sie finden unter anderem beim maschinellen Übersetzen Anwendung, bei der Anomalieerkennung oder der Bildbearbeitung.2 MB
KI und Machine Learning – Schwerpunkt Reinforcement Learning
Dieser Vortrag liefert einen tiefen Einblick in die drei großen Bereiche des Machine Learning mit (Live-) Beispielen und Erläuterung der Funktionsweise. Ein besonderer Schwerpunkt dieses Vortrages liegt auf dem Thema Reinforcement Learning.
Machine Learning – Showcase: Semantische Textanalyse
Semantische Textanalyse mit neuronalen Netzen erlaubt z. B. die Extraktion von Themen aus frei verfassten Dokumenten oder die Erkennung der Stimmung des Verfassers. Convolutional Neural Nets (CNN) werden üblicherweise zur Bildklassifikation verwendet. In Kombination mit State-of-the-Art Word Embeddings, die auf den Wikipedia vorhandenen Wortassoziationen basieren, können 1D-CNNs auch sehr gut zur Textanalyse eingesetzt werden.
Machine Learning – Tooling: Visuelle Introspektion eines neuronalen Netzes
Tiefe neuronale Netze sind Blackbox-Systeme. Insbesondere die Wirkung der verborgenen Schichten (Hidden Layers) ist für Menschen normalerweise nicht interpretierbar, was u. a. das Debuggen solcher Modelle erschwert. In diesem Video zeigt Thomas Stahl eine Technik, die eine visuelle Introspektion neuronaler Netze ermöglicht. Als Beispiel dient ein Convolutional Neural Net (CNN) zur Klassifikation handgeschriebener Ziffern.
Wie lernen künstliche neuronale Netze? Teil 1: Gradientenverfahren
Das Training künstlicher neuronaler Netze geschieht durch gradientenbasierte Optimierungsverfahren. Dieses Video erklärt zunächst das Grundprinzip neuronaler Netze, um dann die konzeptionelle Funktionsweise solcher Lernverfahren an einem anschaulichen Beispiel grafisch zu verdeutlichen.
Wie lernen künstliche neuronale Netze? Teil 2: Die Mathematik hinter dem Backpropagation-Algorithmus
Der berühmte Backpropagation-Algorithmus ist ein Spezialfall einer relativ unbekannten, aber viel umfassenderen mathematischen Disziplin, der "Automatic Differentiation". Die im Detail komplizierte Backpropagation lässt sich in diesem Licht deutlich besser verstehen. Das Video behandelt zudem die wesentlichen Zutaten aus mathematischer Sicht: Gradienten, Jacobi-Matrix und die multivariable Kettenregel.
UI-Regressionstests: Software-Engineering für robuste, wartbare Oberflächentests
Artikel aus OBJEKTspektrum
(PDF 1.56 MB)
Das richtige Setup für Ihr MDD-Projekt
Artikel aus OBJEKTspektrum
(PDF 2.90 MB)
Modellgetriebene Softwareentwicklung in einem Großprojekt
Artikel aus OBJEKTspektrum
(PDF 1.20 MB)