AI LAB
Einsteigertutorials für AIMS
- Hinweis:
Einige Projekte könnten die mögliche Anzahl erlaubter Datenpunkte oder Bilder für die von Ihnen genutzte Version überschreiten. Ein Download und Aufruf ist möglich, Transformationen sind jedoch limitiert.
KI – für jeden Use Case:
Texte, Bilder, Tabellen…
Auf dieser Seite finden Sie Videotutorials, Beschreibungen und fertig-downloadbare Projektdateien zum direkten Import in AIMS .Schauen Sie sich um und finden Sie ihre Problemlösung in den gezeigten Tutorials wieder.
Text-Regression
Vorhersage des nächsten Buchstaben
Im vorliegenden Video wird gezeigt, wie man mit AIMS und einem eigenen Text eine KI erzeugen kann, die nach Vorgabe von 100 Zeichen versucht das darauffolgende Zeichen vorherzusagen.
Man kann sich ausprobieren und versuchen ganze Worte vorherzusagen, einen deutschen Text zu wählen und zu verstehen wie man KI und Text grundlegend vereint.
- Text Regression
- Verständnis für Text-KI
- Tokenizer
Text-Klassifikation
Sentimentanalyse
Dieses Testprojekt zeigt, wie man vorgehen muss, wenn man eigene Texte in bestimmte Kategorien einordnen möchte.
Das können Kategorien wie „Gut | Schlecht“ sein, oder aber auch viel komplexere. Beispielsweise, wenn sie Ihre EMails vorfiltern und automatisch klassifizieren lassen wollen in „Technische Frage | Frage zum Produkt | Spam | Kundenfeedback“.
Der Fantasie sind diesbezüglich keine Grenzen gesetzt.
- Text Klassifikation
- Verständnis für Text-KI
- Text Vorverarbeitungstechniken
- Sentimentanalyse
- Countvectorizer
- Tokenizer
- Hinweis:
Nach dem Download von AIMS, kann man direkt mit GO BASIC durchstarten.
Möchten Sie mehr Freiheiten innerhalb der Software nutzen und schneller arbeiten, besteht die Möglichkeit einer kostenfreie Registrierung.
Weitere Software Features, wie:
- Training mit GPU
- Multi ThreadedData Processing
- AI-Wizards
können innerhalb der Software erworben werden.
Bild-Segmentierung
Objekte in Bildern Erkennen
Das nebenstehende Tutorial zeigt kurz und Bündig, wie man AIMS nutzen kann um Bildsegmentierungsprobleme mit KI zu lösen.
Dabei nutzt man eigene Bilder und zeichnet in diesen die Objekte ein, von denen man möchte, dass sie ein KI Algorithmus später erkennen soll. Das können neben den hier gezeigten Ballons auch andere Objekte sein, wie fehlerhafte Stellen auf Produkten, Personen, oder jedwede Form anderer Objekte.
Bilderkennung wird damit im Handumdrehen vollautonom und vollautomatisch.
- Bild Segmentierung
- Verständnis für Bild-KI
- Bild Annotation
- Image Augmentation
Bild-Klassifikation
Ganze Bilder in Klassen einordnen
Wenn man weniger komplexe Bilderkennungsaufgaben zu lösen hat und die Objekte nicht direkt pixelweise im Bild markieren möchte, kann man via KI, ganz einfach ganze Bilderstapel in Klassen einordnen lassen.
Das Vorgehen eignet sich hervorragend zur IO | nIO Einordnung bei Fertigungsprozessen oder dem zuordnen von Personen, Tieren, Objekten zu bestimmten Gruppen.
- Bild Klassifikation
- Verständnis für Bild-KI
- Bild Labeling
Messwertklassifikation
Numerisch Werte sinnvoll einordnen
Im folgenden Tutorial ging es darum eine .CSV Datei zu nutzen, in welcher tabellarisch Messwerte von Orchideenblüten festgehalten wurden.
Ist ein Sammelsurium an Messwerten typisch für eine bestimmte Klasse, so lässt sich effektiv und schnell ein KI Algorithmus trainieren, der die Zusammenhänge zwischen diesen Werten erkennt und auch zukünftig anhand ungesehener Daten evaluiert, um welche Klasse es sich handelt.
- Numerische Klassifikation
- Verständnis für Messwert-KI
- Messwert Labeling
- Encoding
- Scaling
Wir programmieren ihre KI-Lösung
auch für Sie!
Falls Sie sich nicht selbst mit der Programmierung und Konfiguration ihrer KI-Lösung auseinandersetzen wollen oder können, sind unsere spezialisierten Programmierer auch für Sie da.
—
Kontaktieren Sie uns einfach um ihr Anliegen zu besprechen!
Zeitreihenprognose
FinTech Autotrading KI für Börsenhandel
In diesem „Stock-Predictor“ Beispiel, möchten wir zeigen wie sich AIMS eignet, um vollautomatisch Handelsempfehlungen aufgrund vergangener Markt-Muster vorherzusagen.
Dazu haben wir historische Daten des DJI Index genutzt, um einer KI eine Zeitreihenprognose zu entlocken. Im Ergebnis erhalten wir im Anschluss eine Aussage darüber wie wahrscheinlich ein Kaufa-, Halte- oder Verkaufsszenario ist.
Ziel des ganzen ist es, auf Basis einer Messwert- oder generell Datentabelle Aussagen über Systemverhalten abzuleiten oder Vorhersagen zu gewinnen. Dies ist nicht nur nützlich im Finanztechnologiebereich, sondern auch für Predictive Maintenance, Condition Monitoring und Qualitätskontrolle.
- Zeitreihenanalyse
- Verständnis für Zeitreihen-KI
- Sequenzialisierung
- Encoding
- Scaling
- Resampling
Anomaliedetektion
Condition Monitoring und Predictive Maintenance
Das nebenstehende Tutorial beschäftigt sich in vier Teilen mit dem Aufbau und der Funktionsweise einer selbst generierten KI zur Prozess und/oder Maschinenüberwachung.
Ähnlich eines digitalen Zwillings wird es somit möglich Systemabweichungen zu detektieren, selbst wenn sie in dieser Form nie zuvor aufgetreten sind.
Der sogenannte „Autoencoder“ ist dafür oft das Mittel der Wahl. Diese spezielle Form neuronaler Netze bietet auch noch andere Möglichkeiten. Hier soll vorrangig der Anwendungsfall untersucht werden, welcher für die Industrie 4.0 am relevantesten erscheint.
- Anomalieerkennung
- Verständnis für Autoencoder
- Umfangreiche Datenaufbereitung
- Scaling
- Datenaufbereitung und Darstellung
Qualitätssicherung
i.o. | n.i.o. Erkennung von Bauteilfehlern in der Produktion
Im folgenden Tutorial zeigen wir wie man anfallende Maschinendaten nutzen kann um zu evaluieren, ob ein Prozess zu Ausschuss führt oder nicht. Zugrundeliegend ist dieser Artikel in Zusammenarbeit mit dem Kompetenzzentrum Mittelstand 4.0 und dem Fachgebiet Fertigungstechnik der TU Ilmenau (Link zu Publikation)
Am 30.09.2021 findet eine KI Kochshow mit Bezug zu genau diesem Projekt statt, bei Interesse finden Sie alle Informationen hier:
- Zeitreihenanalyse
- Verständnis für Zeitreihen-KI
- Sequenzialisierung
- Encoding
- Scaling
UNSERE VORTEILE
—
Funktionen & Features
Wizards
AIUI öffnet den Bereich der künstlichen Intelligenz für alle Anwender. Sie kennen sich im Bereich der KI nicht aus? Kein Problem! Durch unsere Wizards können auch Nutzer ohne spezielles Vorwissen oder Programmierkenntnisse KI Systeme trainieren und verwenden.
Custom Nodes
Die Integration von zusätzlichem Code ist durch Custom Nodes möglich. Diese speziellen und modifizierbaren Komponenten unserer KI Lösungen können flexibel an Ihre spezifischen Anforderungen und individuelle Bedürfnisse angepasst werden.
Asset Management
AIMS bietet Ihnen eine Verwaltung für alle Ihre Datasets, KI-Modelle, Architekturen, Integration-Flows und Workbench-Projekte. Jedes dieser Assets kann zudem exportiert bzw. importiert werden. Somit können Sie Ihre Lösungen auch anderen zur Verfügung stellen oder von den Lösungen anderer profitieren.
Daten-Transformation
AIMS bietet Ihnen eine Fülle an vordefinierten Datentransformationen. Sollte für Ihren Use-Case dennoch nicht das passende dabei sein, so können Sie ab Version 1.0 Ihre eigenen Nodes schreiben.
Workbench
Die AIMS Workbench lädt zum Experimentieren ein: Nutzen Sie sie für die Analyse und Datenverarbeitung sowie dem Modelltraining und der Modellevaluierung.
Tensorflow-Kompatibel
AIMS nutzt im Backend Tensorflow/Keras. Somit sind alle erzeugten Modelle auch integrierbar in deine eigenen Python-Skripte.
Integration Flow Designer
Mittels unseres Integration Flow Designers, können Sie einfach per Drag and Drop eine Schnittstelle für Ihre Modelle erstellen und diese mittels REST-API in Ihr bestehendes Business Umfeld integrieren.
Datenschutz
AIMS ist eine Rich-Client Anwendung. Dies bedeutet, dass die gesamte Anwendung und alle Daten bei Ihnen auf Ihrem Rechner sind. Außer Ihrem Login speichern wir keinerlei Informationen darüber wie und wann Sie AIMS nutzen.
S.T.A.M.
Der Systematica and touchable architecture modelling-Designer unterstützt Sie komplexe Modellarchitekturen zu verstehen und zu kreieren. Mittels Transfer-Learning können Sie bestehende KI-Modelle in neue KI-Modelle integrieren oder in ihre einzelnen neuronalen Schichten zerlegen, um nur Teile wiederzuverwenden.
REST-API
AIMS nutzt eine Client/Server Architektur. Dies bedeutet, dass unsere AI-Services unabhängig von der UI genutzt werden können. Senden Sie Ihre Daten von einer externen Anwendung direkt an AIMS mittels des REST-Interfaces.