Image

WHITEPAPER AUS UNSEREM KUNDENCASE MIT DOKOKI

Machine Learning in der Praxis:
Die natürlichen Chancen künstlicher Intelligenz.

Wie können Unternehmen Ihre Visionen mithilfe von Machine Learning umsetzen? Wir wollen hierzu den Fall vom Schweizer Unternehmen DOKOKI vorstellen, welches bei der Entwicklung des Babyphones «Sandy» auf Machine Learning setzte. Mit unseren versierten Fachleuten im Bereich Data Science und tiefgehendem Know-how in Sachen AWS konnte wir die optimale Plattform für das Projekt von DOKOKI entwickeln.

Lade hier unser kostenloses Whitepaper über Machine Learning herunter. Wir gehen hierin den folgenden Fragen nach:

  • Was ist Machine Learning
  • Welche Vorteile hat Machine Learning?
  • Welche Anwendungsmöglichkeiten gibt es?
  • Welche Voraussetzungen müssen erfüllt sein?
  • Wie kann Machine Learning konkret in der Praxis genutzt werden?

Whitepaper kostenlos herunterladen

Image
Image
Kunde

Dokoki

DOKOKI ist ein junges Schweizer Tech-Unternehmen, das einen neuen Meilenstein in der Babyüberwachung setzt. Ihr Ziel: Nähe zwischen Eltern & Baby schaffen, wo dies nicht möglich ist, Ersteltern im Familienalltag unterstützen & Kindern fantastische Abenteuerwelten zeigen.
Partner

AWS

Seit 2014 ist Amazon Web Services (AWS) tief in der Strategie und der Vision von der Axians Amanox AG verankert.  Als AWS Advanced Consulting und Trainings Partner der ersten Stunde unterstützen wir Schweizer Kunden auf ihrem Weg in die Cloud. Seit der Firmengründen (2011) begleiten wir Cloud-Vorhaben, implementieren und entwickeln Cloud-basierte Lösungen.

More Knowledge Sharing

Image

Fully Automated MLOps Pipeline – Part 2

In our last post, we explored training a forecasting model with SageMaker. Now, we’ll complete the journey by detailing how to monitor its performance and automate retraining, ensuring consistent and reliable predictions.
learn more
Image

Fully Automated MLOps Pipeline – Part 1

In the previous blog post we introduced the architecture and demo of a near real time data ingestion pipeline into Amazon SageMaker Feature Store. In this post and the following one, we will present the fully automated MLOps pipeline.
learn more
Image

Near Real Time Data Ingestion into SageMaker Feature Store

This blog post is the first part of a 3 parts series about testing a fully automated MLOps pipeline for machine learning prediction on near real time timeseries data in AWS. In this first part we focus on the data ingestion pipeline into Amazon SageMaker Feature Store.
learn more
Image

AWS AppConfig for Serverless Applications Demo

Wouldn’t it be nice to decouple application configuration from infrastructure configuration and code? This is where AWS AppConfig (a component of AWS Systems Manager) can help
learn more