Norcom hebt ab - 525030
Seite 106 von 246 Neuester Beitrag: 02.10.24 12:17 | ||||
Eröffnet am: | 26.01.06 16:04 | von: Don Rumata | Anzahl Beiträge: | 7.143 |
Neuester Beitrag: | 02.10.24 12:17 | von: WIZO | Leser gesamt: | 2.040.667 |
Forum: | Hot-Stocks | Leser heute: | 175 | |
Bewertet mit: | ||||
Seite: < 1 | ... | 104 | 105 | | 107 | 108 | ... 246 > |
Tja über kurz oder lang muss ja zwangsläufig eine Auftragseingangsmeldung kommen, denn kurz vor Weihnachten gab es ja folgendes:
"
Der Abschluss der DaSense-Lizenz werde sich allerdings ins neue Jahr verschieben. Die Verhandlungen dazu hätten so knapp vor Weihnachten nicht mehr zu einem Abschluss gebracht werden können. Wichtig sei an der Stelle, dass der Deal komme.
"
Dobrindt: modernstes straßenverkehrsrecht der welt:
http://www.bmvi.de/SharedDocs/DE/...esetz-automatisiertes-fahren.html
Warten ist langweilig. Aber ich glaube, es lohnt sich hier.
http://www.dgap.de/dgap/News/adhoc/...sel-aufsichtsrat/?newsID=985531
Wichtig ist dieser Wechsel eher grundsätzlicher Art, weil man einen im Automobilsektor sehr erfahrenen Mann in der AR holt. Das ist als Symbol ziemlich interessant, zumal aktuell DaSense3.0 auf den Markt kommt.
Von daher glaube ich, dass Norcom schon was geschaffen hat oder dabei ist, etwas zu schaffen, woran die Aktionäre von Norcom noch viel freute haben werden !
Aber natürlich nur meine Meinung
Ich habe den Beweis gefunden!!!
Zwei Tagen alt!!!
https://www.bitkom-bigdata.de/programm/nn
Alles schwarz auf weiß...
Für mich ist jetzt klar!
Die nächste Lizenz kommt!
Mit DaSense entwickelt die NorCom IT AG eine ausgezeichnete Big Data Plattform für die Verwaltung, Analyse und Simulation von großen Daten. Wir beschreiben den Einsatz von DaSense anhand eines Anwendungsfalls aus dem Autonomen Fahren: Zusammen mit dem Center of Excellence BI & Big Data der Daimler AG und der Daimler AG Arbeitsgruppe „Image Understanding” verfolgten wir die Beschleunigung der Entwicklung von Bildanalyse-Algorithmen. Derzeit werden diese Algorithmen auf einem Personal Computer durch Resimulation von aus Testfahrten gewonnenen Daten evaluiert und optimiert. Diesem seriellen Arbeitsmodell stellten wir eine industrialisierbare Portierung auf eine Big Data Umgebung gegenüber. Durch transparente Parallelisierung gelang uns eine deutliche Verkürzung der Simulationszeiten ohne Erhöhung der Komplexität im Arbeitsablauf der Entwickler. Die dadurch ermöglichten kürzeren Entwicklungszyklen führen zu einer besseren Testabdeckung und damit letztendlich zu besseren Algorithmen. Die in dem Anwendungsfall gewonnenen Lessons Learned sind als Blueprint für den Einsatz von Big Data Technologien auf andere Problemstellungen übertragbar.
Q1 war für D 3.0 angesetzt. Ist mehr als 2/3 bald rum.