Machine Learning
Kaum eine Analysemethode bietet soviel Potential wie das Machine Learning. Mit maschinellem Lernen als Teildisziplin von Künstlicher Intelligenz (KI) lassen sich aus vorhandenen und neuen Daten konkrete Erkenntnisse sowie Wissen generieren – und somit bessere Handlungsableitungen und Vorhersagen treffen. Auf Basis individueller oder bereits vorhandener Algorithmen können Sie eigene ML-Modelle entwickeln und eine Vielzahl von praktischen Einsatzszenarien auf der IONOS Cloud realisieren.
Ein Beispiel: Mit Kaufvorschlägen oder angepassten Informationen bieten Sie z.B. Kunden auf Ihren Websites ein deutlich verbessertes Nutzungs- und Kauferlebnis.
Im ML-Lifecycle unterscheidet man die Entwicklungs- und Trainingsphase und die sogenannte Inference oder Operational Phase.
In der ersten Phase entwickelt der Data Scientist das ML-Modell auf Basis von Trainingsdaten. Nach Abschluss einer Vielzahl von Tests und permanenter Verbesserung des Algorithmus steht am Ende das fertige ML-Modell. Dieses wird anschließend bei der Inference Phase für eine konkrete Aufgabenstellung genutzt und von Machine Learning Engineers in eine Pipeline umgesetzt.
Für die Entwicklung als auch für das Pipeline-Deployment werden unterschiedliche Cloud-Produkte und Open-Source-Tools eingesetzt:
Anwendungsfall
Anwendungsfall
Anwendungsfall