Industriële fabricage
Industrieel internet der dingen | Industriële materialen | Onderhoud en reparatie van apparatuur | Industriële programmering |
home  MfgRobots >> Industriële fabricage >  >> Manufacturing Technology >> Industriële technologie

Apple &IBM Watson-team voor enterprise mobile machine learning

Er komen nieuwe mobiele machine learning-mogelijkheden naar Apple-apparaten, dankzij IBM Watson en Apple Core ML.

Onder leiding van CEO Tim Cook vist Apple naar een steeds groter deel van de ondernemingstaart. Vorig jaar zagen we de technologiegigant met GE samenwerken om de industriële voorspellende en analytische mogelijkheden van het Predix IIoT-platform naar Apple's iOS te brengen.

Maar de afgelopen jaren heeft Apple ook zijn banden met IBM verdiept en uitgebreid. Toen de twee bedrijven in 2014 hun strategische samenwerking aankondigden, beweerden Tim Cook en IBM-CEO Virginia Rometty dat "Apple en IBM als puzzelstukjes zijn die perfect bij elkaar passen."

De overeenkomst zorgde ervoor dat IBM meer dan 150 van hun zakelijke IT-apps en -tools overdroeg naar Apple-platforms en dat IBM iPhones en iPads verkocht aan zijn zakelijke klanten over de hele wereld. Cruciaal was dat het Apple toegang gaf tot de zakelijke verticale markten die Microsoft van oudsher heeft gedomineerd.

Nu heeft het duo machine learning toegevoegd aan de samenwerking, door IBM Watson te combineren met Apple Core ML om nieuwe AI-inzichten naar de zakelijke apps op Apple-apparaten te brengen.

Watson + mobiele machine learning

Eerder deze week hebben we gerapporteerd over IBM's nieuwe Watson Assistant AI, en deze laatste aankondiging met Apple kijkt naar de mogelijkheden van Watson. Het initiatief zal ten goede komen aan een klasse producten die in de honderden lopen, afkomstig van de samenwerking tot nu toe - in financiën, verzekeringen, energie, productie, luchtvaart en daarbuiten.

Door gebruik te maken van de nieuwe technologie kunnen klanten machine learning-modellen bouwen met IBM Watson (het cloudgebaseerde AI-platform van het bedrijf voor bedrijven) en dit trainen met hun eigen branchespecifieke gegevens. Dit omvat de mogelijkheid om verschillende machine learning-modellen te maken, de resultaten te vergelijken en geautomatiseerde experimenten uit te voeren - patronen te identificeren en inzichten te verkrijgen, om sneller beslissingen te nemen.

Machine learning wordt geïmplementeerd met de visuele modelleringstools van IBM Watson, zoals PixieDust en Brunel, maar er is ondersteuning voor Jupyter-notebooks met Python, R en Scala - plus de open-source RStudio. Dit wordt vervolgens geconverteerd naar Apple's Core ML om het te integreren met Apple-compatibele applicaties.

Een dergelijke toepassing van machine learning stelt iPhone-camera's in staat toegang te krijgen tot de beeldherkenningsmogelijkheden van Watson. Gebruikers kunnen inhoud identificeren en classificeren voordat ze deze analyseren om gedetailleerde informatie te extraheren. Deze mogelijkheid kan workflows in de industriële, logistieke en gezondheidszorgsectoren opschudden.

Het machine learning-algoritme zal in de loop van de tijd volwassen worden naarmate apps gegevens terugsturen naar Watson in de cloud. Mahmoud Naghshineh, algemeen directeur voor IBM Partnerships and Alliances, legde via TechCrunch uit:

Internet of Business zegt

Door dit soort geautomatiseerde, intelligente applicaties via hun iPhones of iPads in handen te geven van werknemers in het bedrijfsleven, zorgen IBM en Apple voor een beter geïnformeerd en mobiel personeelsbestand. Dit heeft de potentie om de efficiëntie, samenwerking en besluitvorming te verbeteren.

Hoewel de twee bedrijven misschien onwaarschijnlijke bedgenoten lijken, zat er waarheid in de analogie van het puzzelstukje. Door het ontwerp en de UX-stamboom die voortkomt uit de decennialange consumentenervaring van Apple, te combineren met de IT-expertise en verticale gebruikersbasis van IBM, zijn er de ingrediënten voor een kracht om fort Microsoft in de zakelijke arena te doorbreken.


Industriële technologie

  1. De toeleveringsketen en machine learning
  2. Machine learning gebruiken in de hedendaagse zakelijke omgeving
  3. Kunstmatige intelligentie versus machinaal leren versus diep leren | Het verschil
  4. Verzoek om voorstel – gekwalificeerde vertaler
  5. Apple &IBM Watson-team voor enterprise mobile machine learning
  6. Osaro haalt $ 16 miljoen op om machine learning voor industriële automatisering te ontwikkelen
  7. Machine learning in voorspellend onderhoud
  8. Wat is een freesmachine en waarvoor wordt hij gebruikt?
  9. Hoe AI en machine learning van invloed zijn op CNC-bewerkingen
  10. Machine learning gedemystificeerd
  11. 5 veiligheidstips voor het werken met machines