English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Ein Großteil der in der Industrie aktuell durchgeführten Machine-Learning-Projekte konzentriert sich auf die Pilotphase und wird nicht erfolgreich in den Produktivstatus überführt. Grund dafür ist, dass die Voraussetzungen für die Entwicklung und den Betrieb einer produktiven Lösung in Industrieunternehmen häufig nicht bekannt und daher nicht gegeben sind. Daher wurde in diesem Beitrag auf die Unterschiede zwischen Machine-Learning-Pilotprojekten und -Produktivsystemen eingegangen. Zudem wird beleuchtet, wie durch die Nutzung von MLOps und einem geeigneten Kompetenz-Setup die Wahrscheinlichkeit, dass ein Pilotprojekt erfolgreich in den Produktivbetrieb überführt wird, erhöht werden kann.

Produktive Machine-Learning-Systeme für die Industrie: Notwendige Bausteine und Kompetenzen am Beispiel Predictive Maintenance