@article{GrumBenderAlfaetal.2018,
  author    = {Grum, Marcus and Bender, Benedict and Alfa, A. S. and Gronau, Norbert},
  title     = {A decision maxim for efficient task realization within analytical network infrastructures},
  series = {Decision support systems : DSS ; the international journal},
  volume    = {112},
  journal   = {Decision support systems : DSS ; the international journal},
  publisher = {Elsevier},
  address   = {Amsterdam},
  issn      = {0167-9236},
  doi       = {10.1016/j.dss.2018.06.005},
  pages     = {48 -- 59},
  year      = {2018},
  abstract  = {Faced with the increasing needs of companies, optimal dimensioning of IT hardware is becoming challenging for decision makers. In terms of analytical infrastructures, a highly evolutionary environment causes volatile, time dependent workloads in its components, and intelligent, flexible task distribution between local systems and cloud services is attractive. With the aim of developing a flexible and efficient design for analytical infrastructures, this paper proposes a flexible architecture model, which allocates tasks following a machine-specific decision heuristic. A simulation benchmarks this system with existing strategies and identifies the new decision maxim as superior in a first scenario-based simulation.},
  language  = {en}
}
@article{GrumSultanowFriedmannetal.2021,
  author    = {Grum, Marcus and Sultanow, Eldar and Friedmann, Daniel and Ulrich, Andre and Gronau, Norbert},
  title     = {Tools des Maschinellen Lernens},
  publisher = {Gito},
  address   = {Berlin},
  isbn      = {978-3-95545-380-0},
  doi       = {10.30844/grum_2020},
  pages     = {143},
  year      = {2021},
  abstract  = {K{\"u}nstliche Intelligenz ist in aller Munde. Immer mehr Anwendungsbereiche werden durch die Auswertung von vorliegenden Daten mit Algorithmen und Frameworks z.B. des Maschinellen Lernens erschlossen. Dieses Buch hat das Ziel, einen {\"U}berblick {\"u}ber gegenw{\"a}rtig vorhandene L{\"o}sungen zu geben und dar{\"u}ber hinaus konkrete Hilfestellung bei der Auswahl von Algorithmen oder Tools bei spezifischen Problemstellungen zu bieten. Um diesem Anspruch gerecht zu werden, wurden 90 L{\"o}sungen mittels einer systematischen Literaturrecherche und Praxissuche identifiziert sowie anschließend klassifiziert. Mit Hilfe dieses Buches gelingt es, schnell die notwendigen Grundlagen zu verstehen, g{\"a}ngige Anwendungsgebiete zu identifizieren und den Prozess zur Auswahl eines passenden ML-Tools f{\"u}r das eigene Projekt systematisch zu meistern.},
  language  = {de}
}