Mustererkennung

Zielgruppen

  • Data Scientists in Forschung und Industrie

Ihre Anforderungen

Sie haben Daten und brauchen zunächst einen unvoreingenommenen Zugang zu diesen. Sie fragen sich: “Habe ich genug Daten?”, “Wie ist die Datenqualität?”, “Helfen mir die Daten bei meiner Aufgabe?”

Unser Angebot

Unüberwachte Lernverfahren können dazu genutzt werden, die Komplexität der Daten abzuschätzen und diese möglichst kompakt z.B. über geeignete Repräsentaten zu erfassen. Clusterverfahren oder Ansätze zur Dimensionsreduktion bieten sich hier an.

Wir bieten sowohl einfache als auch komplexe Verfahren an, um ein Verständnis für die eigenen Daten aufzubauen. Dazu gehören klassische Verfahren wie das k-means clustering, mean shift, eine PCA oder einfache Autoencoder.

Je nach Fragestellung können auch dünnbesetze Lösungen optimiert werden oder Meta-Informationen in den Aufbau der Repräsentationen eingebaut werden. Desweiteren bieten wir Lösungen für die Anomalie-Detektion an, z.B. basierend auf Normalizing Flows.

Nutzungsvoraussetzungen

Grundlegendes Verständnis zur Statistik

Erfolgsstories

Verschiedene Komponenten wurden bereits erfolgreich publiziert:
    und stehen als Demo-Software auf github zur Verfügung:
      Das Angebot kann durch entsprechende Fort- und Weiterbildungsmaßnahmen ergänzt werden.
        FAQ
        Support
        Buchen

        Art des Services

        Entwicklung

        Ansprechpartner:in

        Bodo Rosenhahn

        geplanter Starttermin

        ab sofort