Machine Learning & KI
ChatGPT - Mit KI in ein neues Zeitalter
Wie KI-Tools unser Leben und die Gesellschaft verändern.Künstliche Intelligenz hat bereits weitreichende Auswirkungen auf unser Leben und die Gesellschaft. Ulrich und Barbara Engelke diskutieren in diesem Buch die Chancen und Herausforderungen von ChatGPT und anderen KI-Werkzeugen und wie sie verschiedene Bereiche unseres Lebens beeinflussen. Dabei stehen insbesondere die Auswirkungen auf Schule und Studium, Arbeit und Gesellschaft sowie rechtliche Aspekte wie Datenschutz und Urheberschaft im Fokus.Mit dem Buch stellen die Autoren die grundlegenden Fragen zum Einsatz von künstlicher Intelligenz und ermöglichen eine kritische Auseinandersetzung mit aktuellen und künftig möglichen Auswirkungen.ULRICH ENGELKE, Jahrgang 1963, hat das erste Staatsexamen in Germanistik und Anglistik sowie einen Magister mit Schwerpunkt Linguistik. Nach einem kurzen Ausflug in das Verlagswesen und selbstständiger Tätigkeit als Fachautor, hat er eine Internetagentur gegründet. Heute ist er als Unternehmensberater für Onlinemarketing mit Schwerpunkt SEO tätig. Sein besonderes Interesse gilt technischen Innovationen und deren ökonomischen wie gesellschaftlichen Auswirkungen.BARBARA ENGELKE, Jahrgang 1965, hat ein Staatsexamen in Germanistik und Theologie und arbeitet als Lehrerin sowie Fachbetreuerin für Deutsch an einem bayerischen Gymnasium. Es ist ihr ein Anliegen, in ihrer pädagogischen Tätigkeit junge Menschen an neue Herausforderungen heranzuführen und sie für die Zukunft mit den nötigen Kompetenzen auszustatten. Ihre Leidenschaft ist das Theater. Sie leitet eine Theatergruppe und schreibt selbst Stücke.
Künstliche Intelligenz verstehen (2. Auflg.)
KI zum Mitmachen und selbst Programmieren - eine spielerische Einführung in aktualisierter 2. Auflage, November 2023.Neugierig auf KI? Lust, zu experimentieren? Dann sind Sie hier richtig. Es erwartet Sie mehr als ein Buch: Lesen, sehen und erleben Sie, wie KI funktioniert. Mit den im Web bereitgestellten Beispielprogrammen können Sie ausprobieren und zuschauen, wie verschiedene KI-Verfahren Texte ergänzen, Spiele gewinnen (oder verlieren – das hängt auch von Ihnen ab ...), Daten sortieren und vieles mehr. Im Buch erfahren Sie, was dahinter steckt. Mit Lerngrafiken und Cartoons von Sophia Sanner. Alle Projekte zum Nachprogrammieren, Herunterladen oder online Ausführen und Verändern. Experimente erwünscht!KI-Verfahren verstehenEinschlägige KI-Verfahren finden Sie hier Schritt für Schritt erklärt. Handgezeichnete Infografiken und JavaScript-Code mit vielen Erläuterungen machen die Technik anschaulich. Sehen Sie z.B., was hinter dem Programm steckt, gegen das Sie gerade noch Reversi gespielt habenOnline experimentierenSie geben der KI die Aufgaben und stellen Parameter wie Wortlänge, Anzahl der Versuche usw. selbst ein. Sie können den Code auch direkt online modifizieren und den Effekt beobachten. Probieren Sie es aus!Über das Spiel hinausWer möchte, steigt noch etwas tiefer ins Fachgebiet ein. Sie finden dafür Vorschläge zum Weiterprogrammieren, ein Glossar und wichtige Grundlagen aus der Informatik. Die vorgestellten Verfahren reichen von Levenstein bis zu Transformern wie ChatGPT und Co.Visuelles JavaScriptIn der Online-Umgebung p5js lassen sich mit einfachem JavaScript visuelle Programme erstellen. Sie dürfen sich dabei auf die Logik der KI konzentrieren. Bahn frei für Ihre Experimente!Aus dem Inhalt:Grundlagen aus der InformatikWörter und Sätze vervollständigenSchreibfehler automatisch korrigierenZusammenhänge erkennen und Daten ordnenSelbstlernende AlgorithmenNeuronale NetzeTransformer und Large Language ModelsLeseprobe (PDF-Link)Über die Autoren: Als Soundkünstler, Kulturmanager und Kurator verbindet Pit Noack Wissenschaft, Technik und Kunst. In seinen Tutorials und Workshops bringt er mit viel Herzblut Jugendlichen und Erwachsenen Grundlagen der Programmierung und der künstlichen Intelligenz bei.Sophia Sanner ist freiberufliche Künstlerin, Kuratorin und Illustratorin. Mit ihren Cartoons und Infografiken gelingt es ihr, auch komplexere Themen auf humorvolle Weise anschaulich zu machen.
ChatGPT & Co. (Rheinwerk Verlag)
Das einführende Workbook zum Thema KI. Wie du KI richtig nutzt - schreiben, recherchieren, Bilder erstellen, programmieren.Du möchtest wissen, wie du KI richtig nutzt und davon profitieren kannst? Dann wird dir dieses Workbook eine große Hilfe sein. Rainer Hattenhauer zeigt anhand vieler praktischer Beispiele aus den unterschiedlichsten Anwendungsbereichen ganz konkret, wie Künstliche Intelligenz dir das Leben erleichtern kann. Egal, ob du Texte schreiben, recherchieren, Bilder generieren oder deinen eigenen Programmcode erstellen möchtest. Hier kannst du ohne Vorkenntnisse direkt loslegen und die gängigsten KI-Frontends ausprobieren.Lass die KI für dich arbeitenLerne die wichtigsten KI-Tools und ihre Stärken kennen. Eine Vielzahl an praktischen Beispielen zeigen dir, wie du einen konkreten Nutzen aus den neuen Möglichkeiten ziehen kannst. Alle notwendigen Erläuterungen und Informationen werden dir in kurzen Exkursen bereitgestellt.Beste Ergebnisse durch gute PromptsUm von der KI zu profitieren, musst du die richtigen Fragen stellen und klare Anweisungen geben. Du erfährst, was einen guten Prompt ausmacht. So kannst du mit dem KI-Tool richtig recherchieren und sogar eigenen Programmcode erstellen.Alle wichtigen KI-Tools in einem BuchJe nach Einsatzgebiet eignet sich ein bestimmtes KI-Tool. Hier lernst du nicht nur die wichtigsten Chatbots kennen, der Autor zeigt dir hilfreiche Synergieeffekte beim Einsatz unterschiedlicher KI-Systeme. Inklusive ChatGPT, DALL-E, Midjourney, DeepL Write etc.Aus dem Inhalt:KI-Bots – die Kreativitäts-BoosterProduktivität steigern durch KIIntelligente TextverarbeitungKI in Bildung und WissenschaftKunst schaffen mit KINützliche KI im AlltagProgrammiereinstieg mit KITipps und Tricks für FortgeschritteneAusblick: KI und kein Ende?Zum Autor:Rainer Hattenhauer ist promovierter Physiklehrer und unterrichtet zudem Mathematik an einem Internatsgymnasium.Leseprobe (PDF-Link)
Künstliche Intelligenz (6. Auflg.)
Künstliche Intelligenz. Wissensverarbeitung - Neuronale Netze. 6., aktualisierte Auflage, Oktober 2023.Künstliche Intelligenz (KI) ganz praktischSymbolverarbeitende künstliche Intelligenz und künstliche neuronale Netze in einem BuchBusiness Rules und WissensnetzeConvolutional Neural Networks und Deep LearningÜbungen in PROLOG sowie mit JavaNNS und PythonDie künstliche Intelligenz hat unseren Alltag erreicht: Wir nutzen Chatbots, reden mit Sprachassistenten, KI digitalisiert die Dokumentenverarbeitung, die Muster-, Bild- oder Objekt-Erkennung. Sie ermöglicht neue, intelligentere Lösungen in vielen Bereichen, von der Medizin bis zum autonomen Fahren.Das Buch gibt eine Einführung in die KI. Es wird gezeigt, wie symbolverabeitende KI in Form von Wissensnetzen oder Geschäftsregeln heute angewendet und wie künstliche neuronale Netze in der Mustererkennung oder auch im Data Mining eingesetzt werden können. Wissensrepräsentation und -verarbeitung auf Basis der Logik wird unter Nutzung der logischen Programmiersprache PROLOG eingeführt. Logische Schlussfolgerungen lassen sich in PROLOG wesentlich leichter als in Python oder Java implementieren. Die Konzepte neuronaler Netze werden mit dem System JavaNNS und mittels Python praktisch vertieft. Fragen und Aufgaben am Ende eines Abschnittes fordern zum aktiven Lesen und Lernen auf. Die Webseiten zum Buch enthalten Demo-Programme, die diskutierte Vorgehensweisen veranschaulichen und das Verständnis fördern.Aus dem Inhalt:Überblick zur künstlichen IntelligenzDarstellung und Verarbeitung von WissenProblemlösung mittels SucheWissensverarbeitung mit PROLOGKünstliche neuronale NetzeVorwärtsgerichtete neuronale NetzeWettbewerbslernenAutoassoziative NetzeEntwicklung neuronaler NetzeNeu in der 6. Auflage sind Abschnitte zu den Themen ChatGPT sowie Decision Model and Notation (DMN) bei Prozessbeschreibungen.Leseprobe (PDF-Link)
Künstliche Intelligenz kapieren & programmieren
Visuell lernen & verstehen mit Illustrationen und Projekten zum Experimentieren. In Erstauflage aus September 2023.Du möchtest wissen, was hinter künstlicher Intelligenz und neuronalen Netzen steckt und deine eigenen selbstlernenden Programme schreiben?In diesem Buch erfährst du mit anschaulichen Erklärungen und vielen Bildern, wie KI funktioniert und wie du neuronale Netze ganz einfach selbst programmieren kannst. Dafür brauchst du keine Vorkenntnisse. Alle notwendigen mathematischen Konzepte werden von Grund auf und sehr anschaulich erklärt. Ganz nebenbei erhältst du eine Einführung in die Programmiersprache Python.In jedem Kapitel erwarten dich spannende Projekte von ersten kleinen Programmen wie einem selbstlernenden Währungsrechner bis hin zu praxistauglicher Bilderkennung.Denkaufgaben und Programmierübungen mit Lösungen zum Download helfen dir, dein Wissen zu testen und zu vertiefen. So lernst du Schritt für Schritt, wie du mit einfachen Programmiertechniken deine eigenen künstlichen neuronalen Netze entwickelst und trainierst.Aus dem Inhalt:EntscheidungsbäumeÜberwachtes und nicht überwachtes LernenClusteringPerzeptronVorhersagen treffenDatenvisualisierung mit matplotlibNeuronale Netze programmieren und trainierenAktivierungsfunktionenVerborgene SchichtenBerechnungen mit NumPyBilderkennungPython Imaging Library (PIL)Computer VisionMathematisches GlossarInhalt & Leseprobe (PDF-Link) | Downloads (ZIP-Link)Über den Autor:Michael Weigend war mehr als 30 Jahre lang als Lehrer tätig und hält an der Universität Münster Vorlesungen zur Python-Programmierung. Er hat bereits mehrere Bücher zu den Themen Programmierung, Web Development und visuelle Modellierung geschrieben.
Das Geheimnis hinter ChatGPT
Wie die KI arbeitet und wie sie funktioniert, von Stephen Wolfram, Erstauflage August 2023.Niemand hat damit gerechnet – nicht einmal die Entwickler selbst. ChatGPT hat sich als KI entpuppt, die in der Lage ist, überzeugend auf menschlichem Niveau zu schreiben. Aber wie funktioniert das genau? Was geht in dem »Verstand« dieser KI vor?Der bekannte Wissenschaftler und Pionier Stephen Wolfram liefert in diesem Buch eine lesenswerte und fesselnde Erläuterung der Funktionsweise von ChatGPT, die aus seiner jahrzehntelangen Erfahrung in der IT-Forschung schöpft. Mit anschaulichen Schaubildern und realen Beispielen bietet er einen Blick hinter die Kulissen des beliebten Chatbots. Dabei gibt er nicht nur einen leicht verständlichen Einblick in die Arbeitsweise und das Training neuronaler Netze, sondern zeigt auch detailliert, wie die Sprachverarbeitung von ChatGPT funktioniert und welche Rolle Syntax und Semantik der menschlichen Sprache dabei spielen.Finden Sie heraus, wie ChatGPT die modernste Technologie neuronaler Netze mit grundlegenden Fragen bezüglich der Sprache und des menschlichen Denkens vereint und wie inhaltlich falsche Ausgaben unter Zuhilfenahme von Wolfram|Alpha vermieden werden können.Leseprobe & Inhalt (PDF-Link)Über den Autor:Stephen Wolfram ist preisgekrönter Wissenschaftler und Bestseller-Autor sowie der Schöpfer der weltweit angesehenen Software-Systeme Mathematica, Wolfram|Alpha und Wolfram Language. Seit mehr als 35 Jahren ist er CEO des weltweit agierenden Technologie-Unternehmens Wolfram Reserach. Darüber hinaus ist er für eine Reihe von bahnbrechenden Fortschritten in der Grundlagenwissenschaft verantwortlich, darunter auch sein neuestes Projekt Wolfram Physics Project.
KI und die Disruption der Arbeit
Mittlerweile ist allen klar geworden: Künstliche Intelligenz wird die Arbeitswelt in Zukunft grundlegend verändern. Schon jetzt zeichnet sich ab, wozu diese Technologie in der Lage ist, aber das ist wohl nichts im Vergleich zu dem, was uns erwartet. Müssen wir Angst vor diesen Veränderungen haben oder dürfen wir sie begrüßen? Sind wir wirklich hilflos einer unaufhaltsamen Macht ausgeliefert? Nein, schließlich sind wir alle, die Expert:innen wie Konsument:innen, auch diejenigen, die diese Entwicklung entfesselt haben und deshalb für ihre Gestaltung mit verantwortlich sind. Dennoch gibt es eine große Unsicherheit und das allgegenwärtige Gefühl des Kontrollverlusts.Dieses Buch wird Ihnen helfen das zu bewerten, was Sie hören, sehen und befürchten. Was viel zu selten geschieht, leistet dieses Buch: Die Betrachtung der anstehenden Veränderungen wird auf eine solide Basis gestellt, die sich schon oft bewährt hat: Wenn wir uns ansehen, woher wir kommen, verstehen wir besser, wohin wir gehen, besser noch, wohin wir wollen sollten. Wenn man verantwortlich mitgestalten will, darf man nicht wie das Kaninchen vor der Schlange verharren, so faszinierend oder erschreckend das alles sein mag.Der Autor überträgt dieses Prinzip auf die Arbeitswelt. Er betrachtet mit Hilfe von Szenarien die Felder, auf denen die größten Umwälzungen zu erwarten sind, und zeigt, dass auch in der Vergangenheit schon oft große Brüche stattgefunden haben. Daraus kann man Schlüsse ziehen und lernen, was die heutigen Entwicklungen bedeuten, welche technischen, ökonomischen und sozialen Triebkräfte diese Innovationen in der Künstlichen Intelligenz und der Robotik vorantreiben. Das erlaubt dem Autor eine mögliche Arbeitswelt der Zukunft zu entwerfen, die eine Welt der gestaltenden und überwiegend überwachenden Tätigkeiten sein könnte. Dies ist nicht als Prognose zu verstehen, sondern als Ergebnis einer technikwissenschaftlich und philosophisch ausgelegten Analyse dessen, was wir mit unseren neuen technischen und organisatorischen Möglichkeiten wollen könnten. Und hier gibt es immer mehrere Alternativen.Um herauszufinden, was wir wollen, lohnt ein Blick auf die Bedeutung der bisherigen Arbeit als Teil unserer Biographie, als Sinn- und Identitätsstiftung, als soziale Teilhabe und nicht zuletzt als Quelle von Eigentum und Wohlstand. Und auch hier gibt es abhängig von Kulturen, geschichtlichen Prozessen und Wirtschaftstheorien völlig unterschiedliche Auffassungen, die Ihnen der Autor so vor Augen führt, dass sie selbst urteilen können.Wenn Sie das Buch gelesen haben, wird Ihnen manches an der derzeitigen Diskussion über die Auswirkungen von KI auf die Arbeitswelt übertrieben vorkommen. Sie werden jedoch besser verstehen, wo die Grenzen der KI liegen, wo unsere eigenen Grenzen liegen, die wir mit KI zu überwinden hoffen und nicht zuletzt, wo wir aus Verantwortung für künftige Generationen Grenzen setzen müssen.Autor:Klaus Kornwachs (geb.1947) studierte Physik, Mathematik und Philosophie. 1979-1992 Fraunhofer-Institut für Arbeitswirtschaft und Organisation, Stuttgart, zuletzt als Leiter der Abteilung für Qualifikationsforschung und Technikfolgenabschätzung, 1991 Forschungspreis der Alcatel SEL-Stiftung für Technische Kommunikation. 1992-2011 Lehrstuhl für Technikphilosophie an der BTU Cottbus. Mitglied der Deutschen Akademie der Technikwissenschaften (acatech), Gastprofessuren in Wien, Budapest, Stuttgart und Dalian (China). Prof. Kornwachs lehrt derzeit an der Universität Ulm, und ist seit 2013 Honorary Professor am Intelligent Urbanization Co-Creation Center der Tongji University, Shanghai. Herausgeber und Autor zahlreicher Fachbücher und Veröffentlichungen
IT-Handbuch für Fachinformatiker*innen (11. Auflg.)
Der Ausbildungsbegleiter. Standardwerk für die Ausbildung in 11. Auflage.Mit diesem bewährtem Klassiker in elfter Auflage haben Sie das ganze Wissen zur Hand, das Fachinformatikerinnen und Fachinformatiker in ihrer Ausbildung benötigen: Hardware, Betriebssysteme, Programmiergrundlagen, Daten- und Prozessanalyse, Netzwerke, Datenbanken und Multimedia. Aktuell und mit neuen Themen zur Neuordnung der IT-Berufe. Die zahlreichen Prüfungsfragen und Praxisübungen unterstützen Sie beim Lernen und bei der Vorbereitung auf die Abschluss- oder Zwischenprüfung.IT-Grundlagen von A bis ZGrundlagen von IT und Betriebssystemen verstehen:Alles, was Sie über die mathematischen und technischen Voraussetzungen von Computern, Dateiformate und -verwaltung sowie Theorie und Praxis der Betriebssysteme wissen müssen.Programmieren lernen und Datenbanken einsetzen:Legen Sie die theoretischen Grundlagen für die Programmierung eigener Anwendungen und lernen Sie, was es auf sich hat mit Algorithmen, Datenstrukturen, Objektorientierung und Datenbanken.Netzwerktechnik in Theorie und Praxis:Mit der vollständigen Einführung in die Begriffswelt der Netzwerke und TCP/IP, die Einrichtung von Servern unter Windows und Linux sowie den Einsatz von Serverdiensten sind Sie für alle Anwendungsfälle gerüstet.Big Data, Machine Learning und Prozessanalyse:Lernen Sie die Themen Datenanalyse, Machine Learning und Künstliche Intelligenz kennen – nicht nur für den Ausbildungsgang FIDP unverzichtbar. Für die Implementierung kommen praxiserprobte Python-Bibliotheken wie NumPy und Scikit-Learn zum Einsatz.Erstellen und gestalten Sie Websites:Lernen Sie die Grundlagen der Website-Programmierung mit HTML5, CSS3, PHP und JavaScript kennen und erstellen Sie eine REST-API und -Clients. Inklusive Node.js und React.Aus dem InhaltÜberblick IT-AusbildungMathematische und technische GrundlagenHardware und Betriebssysteme, DatenbankenWindows, Linux, macOS – Grundlagen und PraxisNetzwerktechnik und -praxis, IT-SicherheitDatenanalyse, Machine Learning, KIProgrammierung in Java, Python, JavaScript und PHPAlgorithmen und DatenstrukturenProzessanalyseSoftware-EngineeringInternet- und WebtechnologienÜber den Autor:Sascha Kersken arbeitet seit vielen Jahren als Softwareentwickler sowie als Trainer für EDV-Schulungen in den Themengebieten Netzwerke und Internet, interaktive Medien und Programmierung.
Machine Learning visuell lernen - von StatQuest
* NACH DER ERFOLGREICHEN VISUELLEN METHODE DES YOUTUBE-KANALS »STATQUEST WITH JOSH STARMER« MIT FAST 900.000 ABONNENTEN* BILD FÜR BILD LERNEN: VOLLSTÄNDIG ILLUSTRIERTER GUIDE ZU DEN WICHTIGSTEN MACHINE-LEARNING-KONZEPTEN* ALLE GRUNDLAGEN VON STATISTIK ÜBER ALGORITHMEN BIS HIN ZU NEURONALEN NETZENMachine Learning ist ein mächtiges Werkzeug, kann aber auch unheimlich kompliziert erscheinen. Genau hier setzt dieses Buch an. Jedes Konzept wird anschaulich anhand von einfachen Bildern erläutert. Egal wie schwierig ein Machine-Learning-Algorithmus ist, der Autor zerlegt ihn in kleine, leicht verständliche Häppchen. So erhältst du ein grundlegendes Verständnis für die einzelnen Methoden, das über die bloßen Formeln hinausgeht.Dieses Buch hat nicht zum Ziel, die Konzepte zu vereinfachen. Vielmehr bekommst du mit verständlichen und unterhaltsamen Erläuterungen alles Notwendige an die Hand, um ein grundlegendes und zugleich tiefes Verständnis für Machine Learning aufzubauen.Das Buch setzt keine Vorkenntnisse voraus und erläutert alle Grundlagen Bild für Bild. Es zeigt dir, was Machine Learning ist und auf welchen Konzepten selbstfahrende Autos und Gesichtserkennung beruhen.AUS DEM INHALT:* Grundlegende Konzepte des Machine Learnings* Klassifikation und Kreuzvalidierung* Statistik-Grundlagen* Lineare und logistische Regression* Gradientenabstiegsverfahren* Naive Bayes* Überanpassung vermeiden durch Regularisierung* Entscheidungsbäume* Support Vector Machines (SVMs)* Neuronale NetzeJosh Starmer ist das Gesicht hinter dem bekannten YouTube-Kanal »StatQuest with Josh Starmer« mit mittlerweile fast 900.000 Abonnenten. Seit 2016 erklärt er allen Interessierten mit seinem innovativen und einzigartigen visuellen Stil Konzepte aus den Bereichen Statistik, Data Science, Machine Learning und Algorithmen. StatQuest hilft Menschen auf der ganzen Welt dabei, Wettbewerbe zu gewinnen, Prüfungen zu bestehen, neue Berufe zu ergreifen und befördert zu werden.
StatQuest - Der illustrierte Machine Learning Guide
Das Buch zum beliebten YouTube-Kanal: StatQuest with Josh Starmer.Machine Learning ist ein mächtiges Werkzeug, kann aber auch unheimlich kompliziert erscheinen. Genau hier setzt dieses Buch an. Egal wie schwierig ein Machine-Learning-Algorithmus auch ist, dieses Buch bricht ihn herunter in kleine, leicht verständliche Häppchen, die einfach nachzuvollziehen sind. Jedes Konzept wird anschaulich illustriert. So erhältst du ein über die bloßen Formeln hinausgehendes Verständnis dafür, wie die einzelnen Methoden funktionieren. Dieses Buch hat nicht zum Ziel, die Konzepte zu vereinfachen. Stattdessen bekommst du mit leicht verständlichen Erläuterungen alles Notwendige an die Hand, um ein tieferes Verständnis für Machine Learning aufzubauen.Das Buch beginnt mit den Grundlagen und setzt keine Vorkenntnisse voraus. Es zeigt dir, was Machine Learning ist und worauf es abzielt, und baut Bild für Bild auf diesem Wissen auf, bis du die Konzepte hinter selbstfahrenden Autos und Gesichtserkennung meisterst.Aus dem Inhalt:Grundlegende Konzepte des Machine LearningsKlassifikation und KreuzvalidierungStatistik-GrundlagenLineare und logistische RegressionGradientenabstiegsverfahrenNaive BayesÜberanpassung vermeiden durch RegularisierungEntscheidungsbäumeSupport Vector Machines (SVMs)Neuronale NetzeÜber den Autor:Josh Starmer ist das Gesicht hinter dem bekannten Youtube-Kanal »StatQuest with Josh Starmer«. Seit 2016 erklärt er allen Interessierten mit seinem innovativen und einzigartigen visuellen Stil Konzepte aus den Bereichen Statistik, Data Science, Machine Learning und Algorithmen. StatQuest hilft Menschen auf der ganzen Welt dabei, Wettbewerbe zu gewinnen, Prüfungen zu bestehen, neue Berufe zu ergreifen und befördert zu werden.
Mach was mit 3D-Druck! (2. Auflg.)
Entwickle, drucke und baue deine DIY-Objekte Hast du bereits 3D-Druck-Vorlagen nachgedruckt und willst nun selbst kreativ werden? Dann weißt du: Dazu braucht es eine gute Idee – und um diese in die Tat umzusetzen, musst du mehr können als einen 3D-Drucker zu bedienen. Dieses Buch vermittelt dir Fertigkeiten, die echte Erfinder:innen ausmachen. Du erfährst alles, was du wissen musst, um mithilfe von 3D-Druck deine Produktidee zu realisieren.In mehr als 15 Projekten erhältst du Anregungen für originelle 3D-Druck-Kreationen – sei es ein Ventilator, eine Hamburgerpresse oder eine Geige. Die 2. Auflage berücksichtigt den aktuellen Stand der Verbindungstechnik, wie Helicoils und Inserts, und enthält neue Anwendungsbeispiele, zu denen unter anderem ein Nussknacker, ein Brillengestell und ein Gyro-Uhrenbeweger gehören. Zur Weiterbearbeitung der CAD-Modelle sowie zur Erstellung der Druckdaten stehen auf plus.hanser-fachbuch.de die STEP- und STL-Dateien aller Projekte zum Download bereit.Wenn du darauf brennst, mithilfe von 3D-Druck deine eigenen Produktideen zu verwirklichen, dann liefert dir dieses Buch eine Fülle von Inspirationen, die deine Kreativität beflügeln werden, und alle notwendigen Skills, um dein Wunschobjekt zu entwickeln, zu drucken und zu bauen. Autor:Dipl.-Ing. Stephan Regele war sechs Jahre Konstrukteur bei der MAN Druckmaschinen AG. Seit 2002 ist er Inhaber eines Ingenieurbüros in der Nähe von Madrid (www.inotec-sl.net). Zu den Hauptgeschäftsfeldern des Unternehmens zählen Entwicklungsprojekte auf den Gebieten des Betriebsmittel- und Prüfvorrichtungsbaus für die Luftfahr- und Transportindustrie. In seiner Freizeit tüftelt stets an neuen Produktideen, die er mit seinem 3D-Drucker realisieren kann.
Kubernetes (3. Auflg.)
Eine kompakte EinführungKubernetes hat radikal die Art und Weise verändert, wie Softwareentwicklung und Systemadministration Anwendungen in der Cloud bauen, deployen und warten. Die aktualisierte dritte Auflage dieses Buches zeigt Ihnen, wie dieser beliebte Container-Orchestrierer dabei helfen kann, in Bezug auf Schnelligkeit, Agilität, Zuverlässigkeit und Effizienz in ganz neue Bereiche vorzudringen – egal ob Ihnen verteilte Systeme neu sind oder ob Sie schon längere Zeit Cloud-native Anwendungen deployen.Die Kubernetes-Veteranen Brendan Burns, Joe Beda, Kelsey Hightower und Lachlan Evenson erklären Ihnen, wie sich dieses System in den Lebenszyklus einer verteilten Anwendung einfügt. Sind Sie aus der Softwareentwicklung, Architektur oder Administration, erfahren Sie, wie Sie Tools und APIs einsetzen, um skalierbare, verteilte Systeme zu automatisieren.Erstellen Sie ein einfaches Cluster, um zu lernen, wie Kubernetes funktioniert.Tauchen Sie in die Details des Deployments mit Kubernetes ein.Arbeiten Sie mit den spezialisierten Objekten in Kubernetes wie zum Beispiel DaemonSets, Jobs, ConfigMaps und Secrets.Erfahren Sie mehr über Deployments, die den Lebenszyklus einer vollständigen Anwendung zusammenhalten.Sichern Sie Ihre Deployments ab.Deployen Sie Anwendungen auf mehrere Cluster und greifen Sie auf Kubernetes über Programmiersprachen zu.Autoren:Brendan Burns, Distinguished Engineer in Microsoft Azure, hat zusammen mit Joe Beda und Craig McLuckie das Kubernetes-Projekt bei Google mitbegründet. Aktuell ist er Director of Engineering bei Microsoft Azure.Joe Beda ist CTO von Heptio, einem Start-up, das er zusammen mit Craig McLuckie gegründet hat. Zuvor hat er bei Google die Google Compute Engine aus der Taufe gehoben und zusammen mit Brendan Burns und Craig McLuckie Kubernetes geschaffen.Kelsey Hightower ist Staff Developer Advocate für die Google Cloud Platform. Er ist ein großer Freund von Open Source und sein Schwerpunkt liegt darin, einfache Werkzeuge zu bauen, die die Menschen glücklich machen.Lachlan Evenson ist leitender Produktmanager des Container Compute Teams bei Microsoft Azure. Er hat durch praktische Trainings vielen Leuten dabei geholfen, Kubernetes zu integrieren.Inhaltsverzeichnis (PDF-Link)
Kubernetes
Kubernetes einfach und schnell erklärt Alles, was Sie über Kubernetes wissen müssen Für Einsteiger und Admins ohne Kubernetes-Vorkenntnisse Mit zahlreichen Beispielen aus der Praxis Kubernetes hat radikal die Art und Weise verändert, wie Softwareentwicklung und Systemadministration Anwendungen in der Cloud bauen, deployen und warten. Die aktualisierte dritte Auflage dieses Buches zeigt Ihnen, wie dieser beliebte Container-Orchestrierer dabei helfen kann, in Bezug auf Schnelligkeit, Agilität, Zuverlässigkeit und Effizienz in ganz neue Bereiche vorzudringen – egal ob Ihnen verteilte Systeme neu sind oder ob Sie schon längere Zeit Cloud-native Anwendungen deployen. Die Kubernetes-Veteranen Brendan Burns, Joe Beda, Kelsey Hightower und Lachlan Evenson erklären Ihnen, wie sich dieses System in den Lebenszyklus einer verteilten Anwendung einfügt. Sind Sie aus der Softwareentwicklung, Architektur oder Administration, erfahren Sie, wie Sie Tools und APIs einsetzen, um skalierbare, verteilte Systeme zu automatisieren. Aus dem Inhalt: Erstellen Sie ein einfaches Cluster, um zu lernen, wie Kubernetes funktioniert. Tauchen Sie in die Details des Deployments mit Kubernetes ein. Arbeiten Sie mit den spezialisierten Objekten in Kubernetes, wie zum Beispiel DaemonSets, Jobs, ConfigMaps und Secrets. Erfahren Sie mehr über Deployments, die den Lebenszyklus einer vollständigen Anwendung zusammenhalten. Sichern Sie Ihre Deployments ab. Deployen Sie Anwendungen auf mehrere Cluster und greifen Sie auf Kubernetes über Programmiersprachen zu. "Geschrieben von vier der weltweit angesehensten Experten für Cloud-native Systeme, ist ›Kubernetes‹ das Buch der Wahl, um eine solide Grundlage für Kubernetes-Konzepte zu schaffen, mit Beispielen, die Sie dabei unterstützen, Kubernetes selbst zu erkunden." — Liz Rice, Isovalent
Künstliche Intelligenz für Dummies (2. Auflg.)
Künstliche Intelligenz begegnet uns immer mehr im täglichen Leben. Egal ob intelligente Autos, Roboter, Chatbots oder Systeme, die uns im Schach und Go besiegen, KI wird immer wichtiger. Ralf Otte beschreibt präzise und dennoch einfach diejenigen Algorithmen, die all das ermöglicht haben, erläutert Beispielanwendungen aus der Industrie, erklärt die zugrundeliegende Mathematik und zeigt darüber hinaus klare Grenzen für die Künstliche Intelligenz der nächsten Jahre auf. In dem Buch werden die mathematischen Grundlagen der KI besprochen, sie sind jedoch nicht zwingend notwendig, um die Kernaussage des Buches zu verstehen.Ralf Otte ist Professor am Institut für Automatisierungssysteme an der Technischen Hochschule Ulm und dort auch verantwortlich für das Modul »Künstliche Intelligenz und Softcomputing für Ingenieure«. Er ist auch Autor von Allgemeinbildung Künstliche Intelligenz für Dummies.
KI für das Gute
Während die Technologie im Zeitalter des maschinellen Lernens rasant voranschreitet, mangelt es an klaren Absichten und der Formulierung akzeptabler ethischer Standards. Dieses Buch fasst das komplexe Thema der "guten" Technologie bereichsübergreifend zusammen und wechselt zwischen Theorie und Praxis. Die Autoren gehen auf die sich ständig ausweitende Diskussion über Künstliche Intelligenz (KI) und Ethik ein und geben eine Orientierung. Dabei werden insbesondere pragmatische und aktuelle Fragestellungen berücksichtigt, wie z.B. die Kollateralwirkungen der COVID19-Pandemie. Ein aktueller Überblick über die Digitalisierung - an sich schon ein sehr weites Feld - wird ebenso vorgestellt wie eine Analyse der Ansätze von KI aus ethischer Perspektive. Darüber hinaus werden konkrete Ansätze zur Berücksichtigung angemessener ethischer Prinzipien in KI-basierten Lösungen angeboten. Das Buch richtet sich sowohl an Wissenschaftler aus geistes- und wirtschaftswissenschaftlichen oder technischen Disziplinen als auch an Praktiker, die eine Einführung in das Thema und eine Orientierung mit konkreten Fragen und Hilfestellungen suchen.
Natural Language Processing mit Transformern
Sprachanwendungen mit Hugging Face erstellenTransformer liefern hervorragende Ergebnisse bei der maschinellen Sprachverarbeitung und haben sich in den letzten Jahren zur vorherrschenden Architektur im Natural Language Processing (NLP) entwickelt. Dieses Praxisbuch zeigt Data Scientists und Programmierer*innen, wie sie NLP-Modelle mit Hugging Face Transformers, einer Python-basierten Deep-Learning-Bibliothek, trainieren und skalieren. Transformer kommen beispielsweise beim maschinellen Schreiben von Nachrichtenartikeln, bei der Verbesserung von Google-Suchanfragen oder bei Chatbots zum Einsatz.Lewis Tunstall, Leandro von Werra und Thomas Wolf, die die Transformers-Bibliothek von Hugging Face mitentwickelt haben, erklären in diesem Buch, wie Transformer-basierte Modelle funktionieren und wie Sie sie in Ihre Anwendungen integrieren. Sie erfahren, wie Transformer für eine Vielzahl von Aufgaben erfolgreich eingesetzt werden können.Erstellen, debuggen und optimieren Sie Transformer-Modelle für zentrale NLP-Aufgaben wie Textklassifizierung, Named Entity Recognition oder Question AnsweringLernen Sie, wie Transformer für sprachenübergreifendes Transfer Learning verwendet werdenWenden Sie Transformer auf reale Anwendungsfälle an, bei denen nur auf wenige gelabelte Daten zurückgegriffen werden kannOptimieren Sie Transformer-Modelle für das Deployment mit Techniken wie Distillation, Pruning und QuantisierungTrainieren Sie Transformer von Grund auf und lernen Sie, wie sie auf mehreren GPUs und verteilten Umgebungen skalierenÜber die Autoren:Lewis Tunstall ist Machine Learning Engineer bei Hugging Face. Der Schwerpunkt seiner Arbeit liegt derzeit auf der Entwicklung von Tools für die NLP-Community und darauf, Menschen zu schulen, diese effektiv zu nutzen.Leandro von Werra ist Machine Learning Engineer im Open-Source-Team von Hugging Face. Er konzentriert sich hauptsächlich auf Modelle, die Code generieren können, und auf die Zusammenarbeit mit der Community.Thomas Wolf ist Chief Science Officer und Mitgründer von Hugging Face. Sein Team hat sich der Aufgabe verschrieben, die KI-Forschung voranzutreiben und sie weiter zu demokratisieren.
Skalierbare KI/ML-Infrastrukturen
Evaluieren, Automatisieren, Praxis Moderne KI/ML-Modelle brauchen leistungsstarke Infrastrukturen. Wie Sie abseits der Hypes resiliente, hochautomatisierte und autoskalierbare Systeme für Produktiv-Workloads aufbauen, zeigt Ihnen Oliver Liebel in diesem Wegweiser. Sie erfahren, wie Sie NVIDIAs Datacenter-GPUs nahtlos in Hypervisoren und moderne Container-Infrastrukturen integrieren, sie Operator-gestützt mit Kubernetes bzw. OpenShift verwalten und daraus praxistaugliche Setups machen, die im Unternehmenseinsatz und echten Business Cases bestehen.Betrachtet wird der ganze Infrastruktur-Stack, mit Fokus auf effizienter Vollautomation: Von On-Premises-Installationen auf vSphere oder Cloud-Setups auf GCP und AWS über Plattform-Automation per IaaS/IaC sowie den GPU- und Network-Operatoren bis hin zu einem Ausblick auf AI End-to-End-Tool-Stacks.Aus dem Inhalt: KI/ML: Grundlagen und Use CasesInfrastruktur planen: On-Premises, Cloud oder Hybrid?Technischer Background: KI/ML mit NVIDIA-GPUsGPU-Modi: Passthrough-MIG vs. MIG-backed vGPU vs. vGPUNVIDIA-GPUs auf vSphere On-Prem implementierenNVIDIA AI EnterpriseKI/ML-Cluster mit Kubernetes und OpenShiftGPU-spezifische OperatorenGPU-Cluster mit OpenShiftVon CI/CD über GitOps zu MLOpsML-Pipelines & AI End-to-EndAutor:Dipl.-Ing. Oliver Liebel ist LPI-zertifizierter Linux-Enterprise-Experte, Partner von Red Hat und SUSE und steht in engem Kontakt mit NVIDIAs EGX-Abteilung.
Produktiv auf der Linux-Kommandozeile
Sicher und souverän mit Linux arbeitenSouverän unterwegs auf der Kommandozeile: Dieses praktische Buch hilft Ihnen dabei, schneller, intelligenter und effizienter zu arbeiten. Sie erfahren, wie Sie komplexe Befehle erzeugen und ausführen, die echte Probleme lösen, Informationen abrufen, verarbeiten und lästige Aufgaben automatisieren.Sie werden außerdem verstehen, was hinter dem Shell-Prompt passiert. Ganz gleich, welche Befehle Sie im Einzelnen einsetzen: Sie werden Ihren Linux-Alltag problemlos meistern und sich mit solidem Wissen für den Arbeitsmarkt qualifizieren.Sie entwickeln gute bis fortgeschrittene Fähigkeiten auf der Kommandozeile und lernen dabei, wie Sie:Befehle auswählen oder konstruieren, die schnell Ihre Arbeitsaufgaben erledigen - effizient Befehle ausführen und mit Leichtigkeit durch das Linux-Dateisystem navigierenaus einfacheren Befehlen komplexe und leistungsstarke Befehle zusammensetzenTextdateien umbauen und sie wie Datenbanken abfragen, um geschäftliche Aufgaben zu lösendie Point-and-Click-Funktionen von Linux auf der Kommandozeile kontrollierenAutor:Daniel J. BarrettDaniel J. Barrett unterrichtet seit mehr als 30 Jahren Linux und verwandte Technologien im geschäftlichen wie im akademischen Umfeld. Der Autor von O’Reillys Linux kurz & gut und Koautor von Linux Security Cookbook sowie SSH, The Secure Shell: The Definitive Guide ist darüber hinaus Softwareentwickler, Heavy-Metal-Sänger, Systemadministrator, Universitätsdozent, Webdesigner und Komiker. Er arbeitet bei Google.Zielgruppe:Systemadministrator*innenEntwickler*innenMitarbeitende im Site Reliability Engineeringambitionierte User*innen
KI-Sprachassistenten mit Python entwickeln
Datenbewusst, open-source und modularSprachassistenten werden vermehrt in Bereichen wie z. B. Kundenkommunikation, Smart Home oder Automotive eingesetzt. Dieses Buch zeigt Ihnen, wie Sie in Python Schritt für Schritt einen eigenen Sprachassistenten komplett selbst entwickeln können – von der Architektur bis zur Paketierung der Anwendung. Zum einen lernen Sie, wie Sprachsynthese und Intents funktionieren und wie Sie diese einsetzen können. Zum anderen kommen Sie mit vielen Themen aus der professionellen Python-Entwicklung in Berührung, u. a. mit Logging, dynamischem Installieren von Paketen, dem „Einfrieren“ einer Anwendung oder der dazugehören Überführung in einen Installer.Ein weiteres wichtiges Thema ist der Datenschutz. Wenn Sie einen eigenen Assistenten programmiert haben, wissen Sie genau, welche Daten Sie rausgeben und welche auf Ihrem Gerät verarbeitet werden. Das schafft Vertrauen beim Anwender. Schreiben Sie Intents, denen auch sensible Daten anvertraut werden können. Darüber hinaus kann der selbst programmierte Assistent ein paar Dinge mehr als die Marktführer. Er reagiert z. B. individuell auf Ihre Stimme und Sie können ihm erlauben, nur auf Sie zu hören und andere Personen zu ignorieren.Aus dem Inhalt:Aufsetzen einer Entwicklungsumgebung, Versionsverwaltung mit GitText to Speech, Speech to Text, Fingerabdruck der StimmeDialogeIntents entwickeln und verwaltenUser InterfaceDie Anwendung paketierenAutor: Dr. Jonas Freiknecht arbeitet als Datenanalyst bei einem größeren IT-Systemhaus. Er hat in praktischer Informatik promoviert und erstellt seit vielen Jahren YouTube Videos zu IT-Themen, schreibt Fachbücher und veröffentlicht Tutorials auf seinem Blog.Leseprobe (PDF-Link)
Artificial Intelligence in Industry 4.0 and 5G Technology
ARTIFICIAL INTELLIGENCE IN INDUSTRY 4.0 AND 5G TECHNOLOGYEXPLORES INNOVATIVE AND VALUE-ADDED SOLUTIONS FOR APPLICATION PROBLEMS IN THE COMMERCIAL, BUSINESS, AND INDUSTRY SECTORSAs the pace of Artificial Intelligence (AI) technology innovation continues to accelerate, identifying the appropriate AI capabilities to embed in key decision processes has never been more critical to establishing competitive advantage. New and emerging analytics tools and technologies can be configured to optimize business value, change how an organization gains insights, and significantly improve the decision-making process across the enterprise.Artificial Intelligence in Industry 4.0 and 5G Technology helps readers solve real-world technological engineering optimization problems using evolutionary and swarm intelligence, mathematical programming, multi-objective optimization, and other cutting-edge intelligent optimization methods. Contributions from leading experts in the field present original research on both the theoretical and practical aspects of implementing new AI techniques in a variety of sectors, including Big Data analytics, smart manufacturing, renewable energy, smart cities, robotics, and the Internet of Things (IoT).* Presents detailed information on meta-heuristic applications with a focus on technology and engineering sectors such as smart manufacturing, smart production, innovative cities, and 5G networks.* Offers insights into the use of metaheuristic strategies to solve optimization problems in business, economics, finance, and industry where uncertainty is a factor.* Provides guidance on implementing metaheuristics in different applications and hybrid technological systems.* Describes various AI approaches utilizing hybrid meta-heuristics optimization algorithms, including meta-search engines for innovative research and hyper-heuristics algorithms for performance measurement.Artificial Intelligence in Industry 4.0 and 5G Technology is a valuable resource for IT specialists, industry professionals, managers and executives, researchers, scientists, engineers, and advanced students an up-to-date reference to innovative computing, uncertainty management, and optimization approaches.PANDIAN VASANT is Research Associate at MERLIN Research Centre, TDTU, HCMC, Vietnam, and Editor in Chief of International Journal of Energy Optimization and Engineering (IJEOE). He holds PhD in Computational Intelligence (UNEM, Costa Rica), MSc (University Malaysia Sabah, Malaysia, Engineering Mathematics) and BSc (Hons, Second Class Upper) in Mathematics (University of Malaya, Malaysia). He has co-authored research articles in journals, conference proceedings, presentations, special issues Guest Editor, chapters and General Chair of EAI International Conference on Computer Science and Engineering in Penang, Malaysia (2016) and Bangkok, Thailand (2018).ELIAS MUNAPO, PhD, currently heads the Department of Business Statistics and Operations research at North West University-Mafikeng, South Africa. He has published 50+ articles and contributed to five chapters on industrial engineering and management texts.J. JOSHUA THOMAS is an Associate Professor at UOW Malaysia KDU Penang University College. He obtained his PhD (Intelligent Systems Techniques) from University Sains Malaysia, Penang and master’s degree from Madurai Kamaraj University, India. He is working with Deep Learning algorithms, specially targeting on Graph Convolutional Neural Networks (GCNN) and Bi-directional Recurrent Neural Networks (RNN) for drug target interaction and image tagging with embedded natural language processing. His work involves experimental research with software prototypes and mathematical modelling and design.GERHARD-WILLIAM WEBER, PhD, is Professor and Chair of Marketing and Economic Engineering at Poznan University of Technology, Poland. He is also an Adjunct Professor at Department of Industrial and Systems Engineering, College of Engineering at Istinye University, Istanbul, Turkey.List of Contributors xvPreface xixProfile of Editors xxviiAcknowledgments xxx1 DYNAMIC KEY-BASED BIOMETRIC END-USER AUTHENTICATION PROPOSAL FOR IOT IN INDUSTRY 4.0 1Subhash Mondal, Swapnoj Banerjee, Soumodipto Halder, and Diganta Sengupta1.1 Introduction 11.2 Literature Review 21.3 Proposed Framework 51.3.1 Enrolment Phase 51.3.2 Authentication Phase 71.3.2.1 Pre-processing 71.3.2.2 Minutiae Extraction and False Minutiae Removal 121.3.2.3 Key Generation from extracted Minutiae points 131.3.2.4 Encrypting the Biometric Fingerprint Image Using AES 141.4 Comparative Analysis 181.5 Conclusion 19References 192 DECISION SUPPORT METHODOLOGY FOR SCHEDULING ORDERS IN ADDITIVE MANUFACTURING 25Juan Jesús Tello Rodríguez and Lopez-I Fernando2.1 Introduction 252.2 The Additive Manufacturing Process 262.3 Some Background 282.4 Proposed Approach 302.4.1 A Mathematical Model for the Initial Printing Scheduling 322.4.1.1 Considerations 322.4.1.2 Sets 322.4.2 Parameters 332.4.2.1 Orders 332.4.2.2 Parts 332.4.2.3 Printing Machines 332.4.2.4 Process 332.4.3 Decision Variables 332.4.4 Optimization Criteria 332.4.5 Constrains 342.5 Results 352.5.1 Orders 352.6 Conclusions 39References 393 SIGNIFICANCE OF CONSUMING 5G-BUILT ARTIFICIAL INTELLIGENCE IN SMART CITIES 43Y. Bevish Jinila, Cinthia Joy, J. Joshua Thomas, and S. Prayla Shyry3.1 Introduction 433.2 Background and RelatedWork 473.3 Challenges in Smart Cities 493.3.1 Data Acquisition 493.3.2 Data Analysis 503.3.3 Data Security and Privacy 503.3.4 Data Dissemination 503.4 Need for AI and Data Analytics 503.5 Applications of AI in Smart Cities 513.5.1 Road Condition Monitoring 513.5.2 Driver Behavior Monitoring 523.5.3 AI-Enabled Automatic Parking 533.5.4 Waste Management 533.5.5 Smart Governance 533.5.6 Smart Healthcare 543.5.7 Smart Grid 543.5.8 Smart Agriculture 553.6 AI-based Modeling for Smart Cities 553.6.1 Smart Cities Deployment Model 553.6.2 AI-Based Predictive Analytics 573.6.3 Pre-processing 583.6.4 Feature Selection 583.6.5 Artificial Intelligence Model 583.7 Conclusion 60References 604 NEURAL NETWORK APPROACH TO SEGMENTATION OF ECONOMIC INFRASTRUCTURE OBJECTS ON HIGH-RESOLUTION SATELLITE IMAGES 63Vladimir A. Kozub, Alexander B. Murynin, Igor S. Litvinchev, Ivan A. Matveev, and Pandian Vasant4.1 Introduction 634.2 Methodology for Constructing a Digital Terrain Model 644.3 Image Segmentation Problem 654.4 Segmentation Quality Assessment 674.5 Existing Segmentation Methods and Algorithms 684.6 Classical Methods 694.7 Neural Network Methods 724.7.1 Semantic Segmentation of Objects in Satellite Images 744.8 Segmentation with Neural Networks 764.9 Convolutional Neural Networks 794.10 Batch Normalization 834.11 Residual Blocks 844.12 Training of Neural Networks 854.13 Loss Functions 854.14 Optimization 864.15 Numerical Experiments 884.16 Description of the Training Set 884.17 Class Analysis 904.18 Augmentation 904.19 NN Architecture 924.20 Training and Results 934.21 Conclusion 97Acknowledgments 97References 975 THE IMPACT OF DATA SECURITY ON THE INTERNET OF THINGS 101Joshua E. Chukwuere and Boitumelo Molefe5.1 Introduction 1015.2 Background of the Study 1025.3 Problem Statement 1035.4 Research Questions 1035.5 Literature Review 1035.5.1 The Data Security on IoT 1035.5.2 The Security Threats and Awareness of Data Security on IoT 1055.5.3 The DifferentWays to Assist with Keeping Your IoT Device Safer from Security Threats 1055.6 Research Methodology 1065.6.1 Population and Sampling 1065.6.2 Data Collection 1075.6.3 Reliability and Validity 1085.7 Chapter Results and Discussions 1085.7.1 The Demographic Information 1095.7.1.1 Age, Ethnic Group, and Ownership of a Smart Device 1095.7.2 Awareness of Users About Data Security of the Internet of Things 1095.7.3 The Security Threats that are Affecting the Internet of Things Devices 1115.7.3.1 The Architecture of IoT Devices 1125.7.3.2 The botnets Attack 1125.7.4 The Effects of Security Threats on IoT Devices that are Affecting Users 1125.7.4.1 The Slowness or Malfunctioning of the IoT Device 1125.7.4.2 The Trust of Users on IoT 1135.7.4.3 The Safety of Users 1135.7.4.4 The Guaranteed Duration of IoT Devices 1145.7.5 DifferentWays to Assist with Keeping IoT Smart Devices Safer from Security Threats 1145.7.5.1 The Change Default Passwords 1145.7.5.2 The Easy or Common Passwords 1145.7.5.3 On the Importance of Reading Privacy Policies 1145.7.5.4 The Bluetooth and Wi-Fi of IoT Devices 1155.7.5.5 The VPN on IoT 1155.7.5.6 The Physical Restriction 1155.7.5.7 Two-Factor Authentication 1165.7.5.8 The Biometric Authentication 1165.8 Answers to the Chapter Questions 1165.8.1 Objective 1: Awareness on Users About Data Security of Internet of Things (IoT) 1165.8.2 Objective 2: Determine the Security Threats that are Involved in the Internet of Things (IoT) 1175.8.3 Objective 3: The Effects of Security Threats on IoT Devices that are Affecting Users 1175.8.4 Objective 4: DifferentWays to Assist with Keeping IoT Devices Safer from Security Threats 1175.8.5 Other Descriptive Analysis (Mean) 1185.8.5.1 Mean 1 – Awareness on Users About Data Security on IoT 1185.8.5.2 The Effects of Security Threats on IoT Devices that are Affecting Users 1185.8.5.3 DifferentWays to Assist with Keeping an IoT Device Safer 1225.9 Chapter Recommendations 1225.10 Conclusion 122References 1246 SUSTAINABLE RENEWABLE ENERGY AND WASTE MANAGEMENT ON WEATHERING CORPORATE POLLUTION 129Choo K. Chin and Deng H. Xiang6.1 Introduction 1296.2 Literature Review 1316.2.1 Energy Efficiency 1356.2.2 Waste Minimization 1366.2.3 Water Consumption 1376.2.4 Eco-Procurement 1376.2.5 Communication 1386.2.6 Awareness 1386.2.7 Sustainable and Renewable Energy Development 1386.3 Conceptual Framework 1396.4 Conclusion 1396.4.1 Energy Efficiency 1406.4.2 Waste Minimization 1406.4.3 Water Consumption 1406.4.4 Eco-Procurement 1416.4.5 Communication 1416.4.6 Sustainable and Renewable Energy Development 141Acknowledgment 142References 1427 ADAM ADAPTIVE OPTIMIZATION METHOD FOR NEURAL NETWORK MODELS REGRESSION IN IMAGE RECOGNITION TASKS 147Denis Y. Nartsev, Alexander N. Gneushev, and Ivan A. Matveev7.1 Introduction 1477.2 Problem Statement 1497.3 Modifications of the Adam Optimization Method for Training a Regression Model 1517.4 Computational Experiments 1557.4.1 Model for Evaluating the Eye Image Blurring Degree 1557.4.2 Facial Rotation Angle Estimation Model 1587.5 Conclusion 160Acknowledgments 161References 1618 APPLICATION OF INTEGER PROGRAMMING IN ALLOCATING ENERGY RESOURCES IN RURAL AFRICA 165Elias Munapo8.1 Introduction 1658.1.1 Applications of the QAP 1658.2 Quadratic Assignment Problem Formulation 1668.2.1 Koopmans–Beckmann Formulation 1668.3 Current Linearization Technique 1678.3.1 The General Quadratic Binary Problem 1678.3.2 Linearizing the Quadratic Binary Problem 1698.3.2.1 Variable Substitution 1698.3.2.2 Justification 1698.3.3 Number of Variables and Constraints in the Linearized Model 1708.3.4 Linearized Quadratic Binary Problem 1718.3.5 Reducing the Number of Extra Constraints in the Linear Model 1718.3.6 The General Binary Linear (BLP) Model 1718.3.6.1 Convex Quadratic Programming Model 1728.3.6.2 Transforming Binary Linear Programming (BLP) Into a Convex/Concave Quadratic Programming Problem 1728.3.6.3 Equivalence 1738.4 Algorithm 1748.4.1 Making the Model Linear 1758.5 Conclusions 176References 1769 FEASIBILITY OF DRONES AS THE NEXT STEP IN INNOVATIVE SOLUTION FOR EMERGING SOCIETY 179Sadia S. Ali, Rajbir Kaur, and Haidar Abbas9.1 Introduction 1799.1.1 Technology and Business 1819.1.2 Technological Revolution of the Twenty-first Century 1819.2 An Overview of Drone Technology and Its Future Prospects in Indian Market 1829.2.1 Utilities 1839.2.1.1 Delivery 1839.2.1.2 Media/Photography 1839.2.1.3 Agriculture 1849.2.1.4 Contingency and Disaster Management Scenarios 1849.2.1.5 Civil and Military Services: Search and Rescue, Surveillance,Weather, and Traffic Monitoring, Firefighting 1859.2.2 Complexities Involved 1859.2.3 Drones in Indian Business Scenario 1869.3 Literature Review 1879.3.1 Absorption and Diffusion of New Technology 1889.3.2 Leadership for Innovation 1889.3.3 Social and Economic Environment 1899.3.4 Customer Perceptions 1909.3.5 Alliances with Other National and International Organizations 1909.3.6 Other Influencers 1919.4 Methodology 1919.5 Discussion 1939.5.1 Market Module 1959.5.2 Technology Module 1969.5.3 Commercial Module 1989.6 Conclusions 199References 20010 DESIGNING A DISTRIBUTION NETWORK FOR A SODA COMPANY: FORMULATION AND EFFICIENT SOLUTION PROCEDURE 209Isidro Soria-Arguello, Rafael Torres-Esobar, and Pandian Vasant10.1 Introduction 20910.2 New Distribution System 21110.3 The Mathematical Model to Design the Distribution Network 21410.4 Solution Technique 21610.4.1 Lagrangian Relaxation 21610.4.2 Methods for Finding the Value of Lagrange Multipliers 21610.4.3 Selecting the Solution Method 21610.4.4 Used Notation 21710.4.5 Proposed Relaxations of the Distribution Model 21810.4.5.1 Relaxation 1 21810.4.5.2 Relaxation 2 21910.4.6 Selection of the Best Lagrangian Relaxation 21910.5 Heuristic Algorithm to Restore Feasibility 22010.6 Numerical Analysis 22210.6.1 Scenario 2020 22310.6.2 Scenario 2021 22410.6.3 Scenario 2022 22510.6.4 Scenario 2023 22610.7 Conclusions 228References 22811 MACHINE LEARNING AND MCDM APPROACH TO CHARACTERIZE STUDENT ATTRITION IN HIGHER EDUCATION 231Arrieta-M Luisa F and Lopez-I Fernando11.1 Introduction 23111.1.1 Background 23211.2 Proposed Approach 23311.3 Case Study 23411.3.1 Intelligent Phase 23411.3.2 Design Phase 23511.3.3 Choice Phase 23611.4 Results 23811.5 Conclusion 240References 24012 A CONCISE REVIEW ON RECENT OPTIMIZATION AND DEEP LEARNING APPLICATIONS IN BLOCKCHAIN TECHNOLOGY 243Timothy Ganesan, Irraivan Elamvazuthi, Pandian Vasant, and J. Joshua Thomas12.1 Background 24312.2 Computational Optimization Frameworks 24612.3 Internet of Things (IoT) Systems 24812.4 Smart Grids Data Systems 25012.5 Supply Chain Management 25212.6 Healthcare Data Management Systems 25512.7 Outlook 257References 25813 INVENTORY ROUTING PROBLEM WITH FUZZY DEMAND AND DELIVERIES WITH PRIORITY 267Paulina A. Avila-Torres and Nancy M. Arratia-Martinez13.1 Introduction 26713.2 Problem Description 27013.3 Mathematical Formulation 27313.4 Computational Experiments 27513.4.1 Numerical Example 27613.4.1.1 The Inventory Routing Problem Under Certainty 27913.4.1.2 The Inventory Routing Problem Under Uncertainty in the Consumption Rate of Product 27913.5 Conclusions and FutureWork 280References 28114 COMPARISON OF DEFUZZIFICATION METHODS FOR PROJECT SELECTION 283Nancy M. Arratia-Martinez, Paulina A. Avila-Torres, and Lopez-I Fernando14.1 Introduction 28314.2 Problem Description 28614.3 Mathematical Model 28614.3.1 Sets and Parameters 28714.3.2 Decision Variables 28714.3.3 Objective Functions 28714.4 Constraints 28814.5 Methods of Defuzzification and Solution Algorithm 28914.5.1 k-Preference Method 28914.5.2 Integral Value 29114.5.3 SAUGMECON Algorithm 29114.6 Results 29214.6.1 Results of k-Preference Method 29214.6.2 Results of Integral Value Method 29514.7 Conclusions 299References 30015 RE-IDENTIFICATION-BASED MODELS FOR MULTIPLE OBJECT TRACKING 303Alexey D. Grigorev, Alexander N. Gneushev, and Igor S. Litvinchev15.1 Introduction 30315.2 Multiple Object Tracking Problem 30515.3 Decomposition of Tracking into Filtering and Assignment Tasks 30615.4 Cost Matrix Adjustment in Assignment Problem Based on Re-Identification with Pre-Filtering of Descriptors by Quality 31015.5 Computational Experiments 31315.6 Conclusion 315Acknowledgments 315References 316Index 319
Werde ein Data Head
Data Science, Machine Learning und Statistik verstehen und datenintensive Jobs meistern. Fundierte Datenkompetenz für den Arbeitsplatz entwickeln – auch ohne Programmierkenntnisse.Dieses Buch ist ein umfassender Leitfaden für das Verständnis von Datenanalyse am Arbeitsplatz. Alex Gutman und Jordan Goldmeier lüften den Vorhang der Data Science und geben Ihnen die Sprache und die Werkzeuge an die Hand, die Sie benötigen, um informiert mitreden zu können, kritisch über die Auswertung von Daten zu sprechen und die richtigen Fragen zu stellen. Dank dieses Buchs kann jede:r ein Data Head werden und aktiv an Data Science, Statistik und Machine Learning teilnehmen – auch ohne einen technischen Background.In diesem unterhaltsamen und gut verständlichen Buch werden die aktuellen, zum Teil komplexen Data-Science- und Statistik-Konzepte anhand einfacher Beispiele und Analogien veranschaulicht. Sie lernen statistisches Denken, das Vermeiden häufiger Fallstricke bei der Interpretation von Daten, und Sie erfahren, was es mit Machine Learning, Textanalyse, Deep Learning und künstlicher Intelligenz wirklich auf sich hat. Wenn Sie in Ihrem Unternehmen konkret mit Daten arbeiten, Führungskraft oder angehender Data Scientist sind, zeigt Ihnen dieses Buch, wie Sie ein echter Data Head werden.Die Autoren:Alex J. Gutman ist Data Scientist, Unternehmenstrainer und Accredited Professional Statistician®. Sein beruflicher Schwerpunkt liegt auf statistischem und maschinellem Lernen, und er verfügt über umfangreiche Erfahrungen als Data Scientist für das US-Verteidigungsministerium und zwei Fortune-50-Unternehmen. Seinen Doktortitel in angewandter Mathematik erhielt er vom Air Force Institute of Technology.Jordan Goldmeier ist ein international anerkannter Analytik- und Datenvisualisierungs-Experte, Autor und Redner. Er wurde sieben Mal mit dem Microsoft Most Valuable Professional Award ausgezeichnet und hat Mitglieder von Pentagon und Fortune-500-Unternehmen in Analytik unterrichtet. Er ist Autor der Bücher Advanced Excel Essentials und Dashboards for Excel.
Operating AI
A HOLISTIC AND REAL-WORLD APPROACH TO OPERATIONALIZING ARTIFICIAL INTELLIGENCE IN YOUR COMPANYIn Operating AI, Director of Technology and Architecture at Ericsson AB, Ulrika Jägare, delivers an eye-opening new discussion of how to introduce your organization to artificial intelligence by balancing data engineering, model development, and AI operations. You'll learn the importance of embracing an AI operational mindset to successfully operate AI and lead AI initiatives through the entire lifecycle, including key areas such as; data mesh, data fabric, aspects of security, data privacy, data rights and IPR related to data and AI models.In the book, you’ll also discover:* How to reduce the risk of entering bias in our artificial intelligence solutions and how to approach explainable AI (XAI)* The importance of efficient and reproduceable data pipelines, including how to manage your company's data* An operational perspective on the development of AI models using the MLOps (Machine Learning Operations) approach, including how to deploy, run and monitor models and ML pipelines in production using CI/CD/CT techniques, that generates value in the real world* Key competences and toolsets in AI development, deployment and operations* What to consider when operating different types of AI business modelsWith a strong emphasis on deployment and operations of trustworthy and reliable AI solutions that operate well in the real world—and not just the lab—Operating AI is a must-read for business leaders looking for ways to operationalize an AI business model that actually makes money, from the concept phase to running in a live production environment.ULRIKA JÄGARE is the MSc. Director of Technology and Architecture at Ericsson AB. She has over 10 years of experience in data, analytics, and machine learning/artificial intelligence and over 20 years’ experience in telecommunications.Foreword xiiIntroduction xvCHAPTER 1 BALANCING THE AI INVESTMENT 1Defining AI and Related Concepts 3Operational Readiness and Why It Matters 8Applying an Operational Mind- set from the Start 12The Operational Challenge 15Strategy, People, and Technology Considerations 19Strategic Success Factors in Operating AI 20People and Mind- sets 23The Technology Perspective 28CHAPTER 2 DATA ENGINEERING FOCUSED ON AI 31Know Your Data 32Know the Data Structure 32Know the Data Records 34Know the Business Data Oddities 35Know the Data Origin 36Know the Data Collection Scope 37The Data Pipeline 38Types of Data Pipeline Solutions 41Data Quality in Data Pipelines 44The Data Quality Approach in AI/ML 45Scaling Data for AI 49Key Capabilities for Scaling Data 51Introducing a Data Mesh 53When You Have No Data 55The Role of a Data Fabric 56Why a Data Fabric Matters in AI/ML 58Key Competences and Skillsets in Data Engineering 60CHAPTER 3 EMBRACING MLOPS 71MLOps as a Concept 72From ML Models to ML Pipelines 76The ML Pipeline 78Adopt a Continuous Learning Approach 84The Maturity of Your AI/ML Capability 86Level 0— Model Focus and No MLOps 88Level 1— Pipelines Rather than Models 89Level 2— Leveraging Continuous Learning 90The Model Training Environment 91Enabling ML Experimentation 92Using a Simulator for Model Training 94Environmental Impact of Training AI Models 96Considering the AI/ML Functional Technology Stack 97Key Competences and Toolsets in MLOps 103Clarifying Similarities and Differences 106MLOps Toolsets 107CHAPTER 4 DEPLOYMENT WITH AI OPERATIONS IN MIND 115Model Serving in Practice 117Feature Stores 118Deploying, Serving, and Inferencing Models at Scale 121The ML Inference Pipeline 123Model Serving Architecture Components 125Considerations Regarding Toolsets for Model Serving 129The Industrialization of AI 129The Importance of a Cultural Shift 139CHAPTER 5 OPERATING AI IS DIFFERENT FROM OPERATING SOFTWARE 143Model Monitoring 144Ensuring Efficient ML Model Monitoring 145Model Scoring in Production 146Retraining in Production Using Continuous Training 151Data Aspects Related to Model Retraining 155Understanding Different Retraining Techniques 156Deployment after Retraining 159Disadvantages of Retraining Models Frequently 159Diagnosing and Managing Model Performance Issues in Operations 161Issues with Data Processing 162Issues with Data Schema Change 163Data Loss at the Source 165Models Are Broken Upstream 166Monitoring Data Quality and Integrity 167Monitoring the Model Calls 167Monitoring the Data Schema 168Detecting Any Missing Data 168Validating the Feature Values 169Monitor the Feature Processing 170Model Monitoring for Stakeholders 171Ensuring Stakeholder Collaboration for Model Success 173Toolsets for Model Monitoring in Production 175CHAPTER 6 AI IS ALL ABOUT TRUST 181Anonymizing Data 182Data Anonymization Techniques 185Pros and Cons of Data Anonymization 187Explainable AI 189Complex AI Models Are Harder to Understand 190What Is Interpretability? 191The Need for Interpretability in Different Phases 192Reducing Bias in Practice 194Rights to the Data and AI Models 199Data Ownership 200Who Owns What in a Trained AI Model? 202Balancing the IP Approach for AI Models 205The Role of AI Model Training 206Addressing IP Ownership in AI Results 207Legal Aspects of AI Techniques 208Operational Governance of Data and AI 210CHAPTER 7 ACHIEVING BUSINESS VALUE FROM AI 215The Challenge of Leveraging Value from AI 216Productivity 216Reliability 217Risk 218People 219Top Management and AI Business Realization 219Measuring AI Business Value 223Measuring AI Value in Nonrevenue Terms 227Operating Different AI Business Models 229Operating Artificial Intelligence as a Service 230Operating Embedded AI Solutions 236Operating a Hybrid AI Business Model 239Index 241
Deep Natural Language Processing
Einstieg in Word Embedding, Sequence-to-Sequence-Modelle und Transformer mit PythonDas Buch bietet eine leicht verständliche Einführung in Machine-Learning-Algorithmen im Allgemeinen und in die Verarbeitung von Textdaten mit Deep-Learning-Verfahren im Besonderen. Es veranschaulicht die theoretischen Konzepte bewährter und neuerer NLP-Ansätze und führt in die praktische Umsetzung ein.Im Fokus stehen insbesondere folgende Verfahren:Vektorisierung von Wörtern mit Word EmbeddingVerarbeitung von Texten mit rekurrenten und konvolutionalen neuronalen Netzen.Aufbau von Sequence-to-Sequence-Modellen zur Übersetzung und für Textzusammenfassungen.Arbeit mit der Transformers-Bibliothek und Hugging Face.Anhand praktischer Anwendungen (Klassizierung von Texten, Rechtschreibkorrektur, Übersetzung, Frage-Antwort-System) wird gezeigt, wie sich Textdaten vorbereiten und effektive Lernmodelle mit Bibliotheken wie Transformers, TensorFlow/Keras und Scikit-Learn aufbauen, trainieren und produktiv einsetzen lassen.Über den Autor:Dr. Jochen Hirschle ist IT-Trainer und Consultant für Machine Learning und Deep Learning in Braunschweig. Er ist erfahrener Programmierer in Python und Java und war als Wissenschaftler und Dozent an den Universitäten in Köln, Innsbruck und Frankfurt tätig. Er kennt die Fallstricke der statistischen Datenanalyse und die Tricks maschinellen Lernens aus seiner langjährigen Praxis und er weiß, wie sich komplexe Sachverhalte einfach erklären lassen.Leseprobe (PDF-Link)
Maschinelles Lernen mit R
Wie bringt man Computern das Lernen aus Daten bei?Diese praxisorientierte Einführung vermittelt anhand zahlreicher Beispiele die Grundlagen des maschinellen Lernens mit R, H2O und Keras. Sie werden in die Lage versetzt, den jeweils zielführenden Ansatz auszuwählen und auf eigene Fragestellungen wie Bild-Klassifizierung oder Vorhersagen anzuwenden. Da fehlerhafte Daten den Lernerfolg gefährden können, wird der Datenvorbereitung und -analyse besondere Aufmerksamkeit gewidmet. R stellt hierfür hochentwickelte und wissenschaftlich fundierte Analyse-Bibliotheken zur Verfügung, deren Funktionsweise und Anwendung gezeigt werden. Sie erfahren, für welche Anwendungsfälle statistische Verfahren wie Regression, Klassifikation, Faktoren-, Cluster- und Zeitreihenanalyse ausreichen und wann Sie besser mit neuronalen Netzen wie z. B. CNNs oder RNNs arbeiten sollten. Hier kommen das Framework H20 sowie Keras zum Einsatz. Anhand von Beispielen wird gezeigt, wie Sie Stolpersteine beim Lernvorgang analysieren oder von vornherein vermeiden können. Darüber hinaus erfahren Sie, unter welchen Umständen Sie die Ergebnisse des maschinellen Lernens weiterverwenden können und wie Sie dabei vorgehen.Leseprobe (PDF-Link)Autor:Prof. Dr. Uli Schell lehrt seit 1997 an der Hochschule Kaiserslautern. Er ist stellvertretender Direktor des „Chinesisch-Deutschen Kollegs für Intelligente Produktion“ an der Shanghai DianJi University sowie Leiter der Technischen Akademie Südwest Kaiserslautern. Zuvor war er Software-Entwickler und Methoden-Berater bei BBC und der SAP AG.