The potential of vision AI for top-line growth is well documented, but most businesses still fail to extract value from the technology with an 87% project failure rate. This talk shares how data-centric AI can significantly increase the likelihood of success based on what we learned from collaborating with hundreds of successful teams. It will contain practical examples and is suited for beginners as well.

Zielgruppe: AI Strategists, AI Project Managers, AI Product Owners, ML Engineers

We have helped hundreds of teams with their vision AI projects — established research institutions like Stanford, global corporations like Bayer, and even one or two FAANG companies. During those conversations, patterns started to emerge. We'll share these patterns in the form of best practices on building vision AI pipelines that work following data-centric principles.

Zielgruppe:AI Strategists, AI Project Managers, AI Product Managers, AI Product Owners, ML Engineers

Künstliche Intelligenz ist auf dem Vormarsch, ohne Zweifel. Egal ob Qualitätssicherung in der Produktion, Retourenmanagement im Online-Handel oder Customer-Support via Chatbot: KI eröffnet bisher noch nicht dagewesene Möglichkeiten, die eigenen Prozesse und Geschäftsmodelle deutlich zu verbessern  - vorausgesetzt man verfügt über hinreichend viele und qualifizierte Daten.
Aber wie lässt sich KI in die eigene Software-Architektur integrieren? Wer befindet über das richtige Modell und den richtigen Algorithmus? Und wie wird über die hinreichende Quantität / Qualität von Daten entschieden? Die Rolle des KI-Architekten scheint geboren. 
Die Session veranschaulicht die verschiedenen Herausforderungen, die sich durch das Einbinden von KI für die eigene Software-Entwicklung ergeben können und zeigt dafür passende, pragmatische Lösungsansätze auf.
 

Using modern AI approaches we created fully autonomous robot heads that engage in heated social media discussions, completely taking the human out of the loop. The TNG Innovation Hacking Team created a prototype of an end-to-end natural language understanding system, employing techniques such as Speech-to-Text, Conditional Text Generation and Text-To-Speech. In this talk, we will give an introduction to e.g. NLP. We will guide you through the process of scraping social media comments, training a text generation model and building robot heads.

Zielgruppe: Manager, Decision Makers, IT Experts, Software Developers, Software Engineers, Data Scientists