Machine Learning mit Keras und Tensorflow: ein Praxisbeispiel

Keras ist eine mächtige API für Googles Machine Learning Library Tensorflow. Mit Keras können Neuronale Netze für unterschiedliche Zwecke wie Klassifikationen, Zeitreihenvorhersagen oder Clusteranalysen entworfen und umgesetzt werden. Der Vortrag stellt die Methoden von KI mit Keras und Tensorflow anhand eines Anwendungsbeispiels vor und erläutert das Vorgehensmodell. Die technischen Schritte sind dabei ebenso entscheidend für die Optimierung der Geschäftsziele oder der Ableitung von Maßnahmen für einen einzelnen Kunden oder Geschäftsfall. Mit der Operationalisierung werden Keras und Tensorflow Grundlage für einen kontinuierlichen Verbesserungsprozess im Unternehmen.

Zielpublikum: BI-Manager, BI-Projektleiter, Entscheider, BI-Consultants
Voraussetzungen: BI-Grundverständnis
Schwierigkeitsgrad: Anfänger

Extended Abstract
Der Erfolg für die Einbringung der künstlichen Intelligenz ins Unternehmen beinhaltet unterschiedliche Faktoren, technischer wie fachlicher Art. So ist es für den Fachbereich unerlässlich, die Entscheidungskriterien von künstlicher Intelligenz nachvollziehen zu können.
Im Praxisbeispiel wird exemplarisch eine Prognose zur Vorhersage der Wechselwahrscheinlichkeit von Kunden vorgestellt. Mit Keras wird ein neuronales Netz erstellt und mit Tensorflow umgesetzt, welches anhand von Kunden- und Produktmerkmalen die Wechselwahrscheinlichkeit berechnet. Für den Fachbereich entscheidend ist dabei, dass das neuronale Netz hierbei keine Black Box darstellt. Mithilfe sogenannter Explainer können die Prognosen der KI nachvollzogen werden. Mehr noch, es können beispielsweise neue Kundensegmente definiert werden,  anhand erkannter Muster kann mit konkreten Maßnahmen dem Kundenwechsel entgegen gewirkt werden.