YUNA LABS
Damit Produkte immer besser werden können, müssen Ideen gefunden, verfolgt, umgesetzt und manchmal auch verworfen werfen. Um YUNA und YUNA elements stetig zu verbessern, und neue Einsatzfelder für den produktiven Einsatz von Data Science zu evaluieren, testen wir intern verschiedene Ansätze. Einige davon finden Sie hier auf dieser Seite.
| »Erfolgsstories & Whitepapers »Federated Learning AutoML |
»YUNA ist vielfältig »Blogbeiträge »Videos |
Whitepapers
| Whitepaper: Potenziale und Möglichkeiten für Geschäftsmodelle im Zeitalter von Industrie 4.0 |  |
| Whitepaper: Datengestützte Mehrwerte im Maschinenbau Mehr erfahren |
 |
| Whitepaper: Data Science in KMU – so gelingt der richtige Einstieg |  |
Anwendungsbeispiele YUNA elements
Federated Learning
 |
Das Prinzip von Federated Learning verspricht eine verkürzte Time-to-Market von KI-Lösungen.
Das Besondere: Machine-Learning-Modelle lassen sich dezentral auf lokalen Entitäten trainieren. Die Parameter der Modelle werden dann zentral zu einem optimierten Analysemodelle zusammengeführt. Anschließend werden diese Parameter an die lokale Entitäten zurückgespielt. Aktuell testen wir verschiedene Ansätze, um mit YUNA elements eine effektive Lösung für die Umsetzung von Federated Learning anbieten zu können. Mehr Informationen zu Federated Learning und mögliche Anwendungsfälle finden Sie uns unserem Blog! |
AutoML
Automatisiertes Machine-Learning vereinfacht den Einsatz und die Entwicklung von Machine-Learning-Modellen. Dabei werden einzelne Schritte oder sogar der gesamte Prozess automatisiert – so lassen sich Lösungen entwickeln, die sich auch ohne Kenntnisse in Softwareentwicklung oder Data Science umsetzen lassen. Wir zeigen, wie Sie mit YUNA elements automatisierte Machine-Learning-Lösungen entwickeln können, um diese in Ihrem Unternehmen, ihren Anwendern zur Verfügung stellen.
Mehr Informationen zu autoML und mögliche Anwendungsfälle finden Sie uns unserem Blog!
Interessantes rund um YUNA
Hier finden Sie Informationen rund um das Thema YUNA und YUNA elements.
Blogbeiträge
Neues YUNA Release!
Wir entwickeln aktuell ein neues Feature in YUNA – mehr Informationen gibt es im Blog-Beitrag!
Data Science Framework – YUNA elements jetzt zum Download
Unsere neue Data-Science-Anwendung steht jetzt als Direct-Download zur Verfügung! Jetzt 30 Tage kostenlos und unverbindlich testen!
Out now: YUNA elements vereinfacht das Betreiben von Datenprodukten
Unsere neue Anwendung vereinfacht den Umgang mit Datenprodukten – beim Betreiben und beim Zusammenarbeiten mit verschiedenen Teams, Skriptsprachen und sogar Freelancern. Erfahren Sie mehr!
Daten-Filter, die Analystenherzen höher schlagen lassen
Filter in der Analytik können spannend sein! Wir zeigen ungeahnte Höhen auf, was mit Filtern in YUNA möglich ist.
So baut man Analytikplattformen - Teil 5: Datenvisualisierung und belastbare Ergebnisse
Wie lassen sich Daten begreifbar und zielführende Analysen für Unternehmen nutzbar machen? Nachvollziehbare Visualisierungen sind ein Baustein für Akzeptanz und Vertrauen – gerade für „fachfremde“ Beteiligte.
So baut man Analytikplattformen - Teil 4: Datenbankskalierbarkeit und Geschäftsmodelle
Verschiedenste Datenquellen anbinden und daraus neue Use Cases und ganze Geschäftsmodelle entwickeln.
So baut man Analytikplattformen - Teil 3: Workflows und Dashboards
Die Bedeutung von individualisierbaren Workflows und benutzerfreundlichen Dashboards für den erfolgreichen Einsatz von Analytikplattformen im Unternehmen.
So baut man Analytikplattformen - Teil 2: Intelligentes Benutzer- und Rollenkonzept
Warum sind Nutzer- und Rollenrechten ein nicht zu unterschätzender Faktor bei Analytikplattformen?
So baut man Analytikplattformen - Teil 1: UI & Teams
Welche Faktoren müssen von modernen Analytikplattformen erfüllt werden?
Augmented Intelligence: Menschliche Kognition trifft auf maschinelles Lernen
Die stetig neuen Meilensteine in der Entwicklung von Künstlicher Intelligenz bringen bereits heute in vielen Anwendungsbereichen große Vorteile. Wir zeigen, wie diese sich mit der menschlichen Expertise optimal verbinden lassen.
Predictive Maintenance – Vorausschauendes Instandhalten mittels intelligenter Datenanalyse als Werttreiber in der Industrie
Die Hintergründe und Einsatzmöglichkeiten von Predictive Maintenance im Überblick.
It’s (almost) all about the Data: Stolpersteine von Predictive Maintenance
Geringe Datenbasis, fehlende Informationen oder die Datenaggregation: Es gibt viele Stolpersteine von Predictive Maintenance. Wir stellen sie vor und erklären, wie sie sich umgehen lassen.
Videos
Weitere interessante Videos finden Sie auf unserem Youtube-Channel