Anlässlich der Veranstaltung Partnerplattform Corporate Content am 6. Juni 2018 in Zürich

1. ZÜRICH, 6 JUNI 2018
cmf. Artificial Intelligence.
Workshop. Namics.
Jürg Stuker. Partner.

2. Namics.2
Für heute
- Nicht-Ziele
- Keine Produktdemo
- Kein “Schwall an Anwendungen”
- Zielsetzung
- Grundlagen klären
- Raum für Diskussion und Fragen

3. Entschuldigt bitte, falls Ihr Euch
gleich wie in der Mathe-Stunde
fühlt. Das ist AI aber im Kern...

4. Namics.4
Vervollständigt die folgende Tabelle
Input Output
1 A
2 A
3 B
4 B
5

5. Namics.5
Vervollständigt die folgende Tabelle
Input Output
1 A
2 A
2,5
3 B
4 B

6. Namics.6
https://youtu.be/scetauTYFyw

7. Namics.7
https://youtu.be/B7s2N7TIEh8

8. Namics.8
Erkentnisse?
- Wahl des Classifiers
- diskret / probabilitisch
- fehlende Semantik
- Buchstabenreihe (Wissen über Alphabet) versus Matrix

9. Lasst Euch nichts erzählen
ohne den Lösungsansatz zu
verstehen (oder zumindest
erklärt zu bekommen...)

10. Namics.10
“Wir gewichten nach Relevanz”

11. Namics.11
Fragen wir mal “die Maschine”

12. Namics.12
https://youtu.be/A0UfoQlq2v0

13. Namics.13
Erkenntnisse?
- ”Die Maschine” hat Vorwissen
- Zwei für uns “ähnliche” Bilder werden sehr
unterschiedlich bewertet
- Keine Erkennung von Marken?

14. Artificial Intelligence?
KAPITELNAME

15. As soon as it
works, no one
calls it AI anymore.
⎯ John McCarthy, 1956
“

16. Namics.16
Was ist Intelligenz?
- “The ability to acquire and apply knowledge and
skills.”
oxforddictionaries.com
- “The ability to learn, understand, and make
judgments or have opinions that are based on
reason”
cambridge.org

17. Namics.17
Was ist künstliche Intelligenz?
- “... branch of computer science dealing with the
simulation of intelligent behavior in computers.”
wikipedia.org
- “Artificial General Intelligence (AGI) is the
intelligence of a machine that could successfully
perform any intellectual task that a human being can”
wikipedia.org

18. Namics.18
Ein bisschen Geschichte
- 1702-1761 Thomas Bayes
1815-1864 George Boole
1848-1925 Gottlob Frege
- 1956 Dartmouth Summer Research Project
on Artificial Intelligence (John McCarthy)
http://raysolomonoff.com/dartmouth/
- 50er – 70er AI summer
- 70er – 90er AI winter

19. In from three to eight years
we will have a machine with
the general intelligence of
an average human being.
⎯ Marvin Minsky, 1970
“

20. Namics.20
https://youtu.be/hy7paFD6ESs

21. Namics.21
Anwendung?

22. Namics.22
Bemerkungen
- Optimierungsziel
- Wissenrepräsentation / Feature Extraction

23. Zwischenstopp
KAPITELNAME

24. Namics.24
Begriffe und Anwendungen

25. Namics.25
Was ist maschinelles Lernen?
- “Field of study that gives computers the ability to
learn without being explicitly programmed.”
Arthur Samuel (1959)
- “A computer program is said to learn from experience
E with respect to some class of tasks T and
performance measure P, if its performance at tasks in
T, as measured by P, improves with experience E.”
Tom Mitchell (1998)

26. Namics.26
Trainingsprozess
Algorithmus
Ergebnis
(Output)
Daten
(Input)
- Lernset dient dazu, den
Algorithmus zu trainieren
- Mit einem Testset wird Güte des
Trainings beurteilt
- Präzision (precision)
- Ausbeute (recall)

27. Namics.27
iteratives Lernen
Berechnen der
Loss-Funktion
Update der
Parameter
Algorithmus
(Vorhersage)Input (Lerndaten)
Input (Testdaten)

28. Namics.28
Beispiel gefällig?
https://www.youtube.com/watch?v=GOFws_hhZs8

29. Namics.29
Beispiel gefällig?
https://www.youtube.com/watch?v=pgaEE27nsQw

30. Übersicht
KAPITELNAME

31. Namics.31
Lernstile (Types of Machine Learning)
Supervised
Learning
Unsupervised
Learning
Reinforcement
Learning
- Input /Output
- Klassifikation bekannt
- grosse Datenmenge
- nur Input
- Klassifikation gesucht
- grosse Datenmenge
- Aufgabe bekannt
- Zielformel
- kleine Datenmenge

32. Namics.32
Verfahren (nicht abschliessend)
Supervised
Learning
Unsupervised
Learning
Reinforcement
Learning
- Lineare / logistische
Regression
- Entscheidungsbaum
- Bayes-Klassifikator
- Support-Vector-
Maschinen
- Entscheidungswälder
- AdaBoost
- neuronale Netzwerke
- Hierarchisches
Clustering
- Empfehlungssysteme

33. Namics.33
Anwendungen im Marketing
Time
https://www.smartinsights.com/managing-digital-
marketing/marketing-innovation/15-applications-
artificial-intelligence-marketing/
REACH ACT CONVERT ENGAGE
Machine Learning
CustomerInteractionandValue
1st
Purchase
Indecisive Customer
Lapsed
Customer
Repeat
Customer
Loyal
Customer
Demand generation
and purchase intent
Propensity Model
AI Application
Smart
Content
Curation
Programmatic
Media
Buying
AI
generated
content
Voice
search
Propensity
modelling
Ad
targeting
Predictive
analytics
Lead
scoring
Dynamic
pricing
Re-
targeting
Web &
App-
Personali-
sation
Chat-
bots
Predictive
customer
service Marketing
automation
1:1
dynamic
emails

34. Namics.34
Wie immer geht es nicht um Technik
Kundenbedürfnisse
technische
Möglichkeiten
Daten
Prozesse
- Erfolgsfaktoren
- Nutzen aus Kundensicht
- Verfügbarkeit und Qualität von Daten
- Bereitschaft zu lernen und sich (wie
auch seine Leistungen und Produkte)
anzupassen

35. Zwei habe ich noch ;)
KAPITELNAME

36. 4. Juli von 14:00 bis 17:00
GfM Coding Academy
Coding für Manager – einführender Kurs für Führungskräfte.
https://gfm.ch/event/gfm-coding-academy/

37. Studie in Arbeit...
Customer Journey der GenZ
Schreibt mir eine Mail und Ihr bekommt unseren Newsletter.
https://www.namics.com/news/2018/webinar-generationz/

38. ZÜRICH, 6 JUNI 2018
Danke für Eure Zeit.
Seit 1995. Namics.
juerg.stuker@namics.com
079 / 252 67 01

39. Backup

40. Namics.40
Evolutionsstufen von AI
AugmentingReplacingScripting
COGNITiVE
COMPUTING
Cognitive “Digital brains”
Augments decisions
Learns continuously
e.g.g Claims combait guidance
Problem Solving
Knowledge, Reasoning &
Planning
Uncertain Knowledge &
Reasoning
Learning
Communicating, Perceiving &
Acting
Regelbasierte
Automatisierung
Übernehmen einfacher Aufgaben
Unterstützung und
Entscheidungsvorlagen
RULES
ENGINE
Basic “arms and legs”
Repetitive actions
No learning
e.g. Claim code verification
RULES BASED
BOTS
Simple “Bots”
Repetitive processes
No learning
e.g. Checking claims status
AI DIGITAL
ASSISTANTS
Conversational agents
Natural Language dialog
Limited Learning
e.g. Telephone claims inquiry
ROBOTIC PROCESS
AUTOMATION
Virtual workers
Mimics human tasks
Limited learning
e.g. Fill missing information
EvolutionvonAISkills

41. Wer ist Namics?
KAPITELNAME

42. Namics.42
Jürg Stuker
Partner und Verwaltungsrat Mitglied, Namics
“Wir sind Pioniere und Experten auf dem
Gebiet der digitalen Transformation – und
dies bereits seit 1995. Als unabhängiger und
interdisziplinär arbeitender Full-Service-
Partner digitalisieren wir mit Ihnen Ihre
Geschäftsmodelle und geschäftskritischen
Prozesse. Dabei stellen wir Ihren langfristigen
Erfolg ins Zentrum unseres Handelns.”

43. Namics.DAS BIETEN WIR
Was Fullservice bei Namics bedeutet
Digital Experience:
Wir unterstützen Sie darin, kanalübergreifend die
Erwartungen Ihrer Zielgruppen zu identifizieren,
um sie dann mit den richtigen Lösungen zu übertreffen.
Digital Business:
Wir realisieren mit Ihnen neue Geschäftsmodelle und
passen sie in Form optimierter oder neuer Produkte und
Dienstleistungen an die Realität Ihres Geschäftsalltages an.
Digital Enterprise & Brand:
Wir begleiten Sie in der gesamten Digitalisierung
Ihrer Organisation und Ihrer Marken.
43
DIGITAL
ENTERPRISE
& BRAND
DIGITAL
BUSINESS
DIGITAL
EXPERIENCE

44. Namics.DAS BIETEN WIR
Namics in kurz
44
480
C
TK
Räumliche Nähe
Vertreten an 6 Standorten.
St.Gallen, Zürich,
München, Frankfurt,
Hamburg, Belgrad.
Digitaler Full-Service
Dienstleister
Mitarbeiter
22
Jahre Erfahrung in der
Umsetzung komplexer
Webprojekte
Langfristige
Partnerschaften
Langfristige Partnerschaft
über 75% unserer Kunden
schenken uns ihr Vertrauen länger
als 3 Jahre am Stück
29
100% Inhabergeführt
Partner
Arbeit in
interdisziplinären
Teams
Unabhängig

45. Namics.DAS BIETEN WIR
Unser Dienstleistungsangebot
§ Ziele & Zielgruppen
§ Trends &
Benchmarks
§ Digitale Roadmap
§ Online Marketing
Strategie
§ User Experience
§ Informations-
architektur
§ Interaction Design
& Prototyping
§ Usability Testing
§ Visual Design
§ Spezifikation
§ Frontend
§ Backend
§ Schnittstellen
§ Testing
§ SEO/SEM
§ Digital Marketing
& Kampagnen
§ Social Media
§ Analytics
§ Content Marketing
§ Guidelines
§ Managed Services
§ Support
§ Betrieb
§ Hosting
§ Release Manage-
ment
45
Strategie &
Organisation
Konzept,
UX & Design
Technische
Umsetzung
Content &
Vermarktung
Betrieb &
Support

46. Fallstudie Pixability
KAPITELNAME

47. Namics.47FALLSTUDIE PIXABILITY
Plan, buy and report across platforms
Plan Buy Report
DiscoverAbility
Deep Audience Insights
PlanAbility
Premium Audiences at
Scale
ReportAbility
Apples-to-Apples
Campaign Reporting
MeasureAbility
In-Depth Performance
Analytics
PerformAbility
Automated Optimization
DependAbility
Viewability / Brand Safety
BuyAbility
Scalable Media Buying

48. Namics.48FALLSTUDIE PIXABILITY
Scan and analyze of 7M+ YouTube channels

49. Namics.49FALLSTUDIE PIXABILITY
Find Premium Audiences
Proprietary machine learning
constructs relationships
between audience groups, and
streamlines the identification
of consumers highly receptive
to your message across video
platforms.

50. Namics.50FALLSTUDIE PIXABILITY
In-flight campaign management