Programmierung
Concurrent Programming Interviews
Ace your software engineering job interviews by preparing yourself for the concurrent programming rounds. This book fills the gap in practical resources designated for concurrency interview prep. It simplifies complex concepts in C++ and provides example questions to help you approach your interview with confidence.Today, interviews for software engineering roles typically include several different rounds: coding, system design, behavioral, and domain knowledge. The domain knowledge round can vary based on the job description, but one extremely common focus is concurrent programming. While not intended to be a comprehensive reference, this book distills the essential interview insights drawn from author Bonan Liu’s personal experiences to stand out from the competition. Key topics include mutexes and locks, condition variables, thread abstraction, STL features, and lock-free implementations, with each concept reinforced through practical exercises like building a file handler cache and implementing read/write locks.Software interviews are more than just exams; they are hours-long conversations with real people. You'll not only develop a solid understanding of concurrency, but also learn how to best showcase your expertise to enhance your performance throughout the entire process, including general coding rounds.WHAT YOU WILL LEARN* Acquire foundational knowledge of concurrent programming in C++.* Practice relevant interview questions for each section of this knowledge.* Develop strategies for best demonstrating learned skills in the general coding round.WHO THIS BOOK IS FORSoftware engineers seeking new career opportunities, particularly SDE II, Senior SDE, and Staff SDE roles. Interviewers might also gain insight into concurrent programming to enhance the evaluation of their candidates, securing top talent.BONAN LIU is a software engineer specializing in distributed systems, cloud computing and backend development. He began his tech career after earning a Master’s degree in computer science from Columbia University, following his graduation from Sichuan University in China.Bonan's professional journey includes working alongside talented colleagues at Uber, Google, Microsoft, and Cruise, where he contributed to various large-scale, high-performance systems. He is passionate about sharing his knowledge and experience with others. Bonan served as an Adjunct Lecturer at The City University of New York from 2019 to 2020, teaching cloud computing to undergraduate students. Additionally, Bonan translated the Chinese edition of _Cracking the Coding Interview_ (6th edition), helping aspiring programmers in China achieve their career goals.Outside of his professional pursuits, Bonan is an avid runner, participating in events from 5Ks to full marathons. He lives in New York City with his wife and their two beloved cats, who bring joy and laughter to their home.1. Fundamentals of Concurrent Programming for Technical Interviews.- 2. Building Block 1: Mutexes and Locks.- 3. Building Block 2: Condition Variables.- 4. Building Block 3: More Thread Abstractions.- 5. Building Block 4: More STL features.- 6. Building Block 5: Lock-free Approach.-7. Testing, Troubleshooting and Useful Resources.- 8. Concurrent Programming in General Coding Interviews.
Machine Learning und KI kompakt
Vertiefendes Wissen von Deep Learning über Computer Vision bis Natural Language Processing Schließt die Lücke zwischen Grundlagen und Profiwissen Einfache, prägnante Erklärungen zu wichtigen und aktuellen Themen Mit Übungsaufgaben sowie Codebeispielen auf GitHub Sie verfügen bereits über Grundkenntnisse zu maschinellem Lernen und künstlicher Intelligenz, haben aber viele Fragen und wollen tiefer in wesentliche und aktuelle Konzepte eintauchen? ML- und KI-Experte Sebastian Raschka greift in diesem Buch die wichtigsten Schlüsselfragen auf und liefert sowohl prägnante als auch einfach verständliche Erklärungen zu komplexen und fortgeschrittenen Themen wie Deep Learning, Überanpassung, Self-Supervised Learning, generative KI, Computer Vision, Natural Language Processing und Modellevaluierung. Viele Beispiele, anschauliche Illustrationen und praktische Übungsaufgaben helfen Ihnen dabei, das Erlernte nicht nur schnell zu verstehen, sondern auch praktisch umzusetzen. Dabei werden weder fortgeschrittene Mathematik- noch Programmierkenntnisse vorausgesetzt – wer tiefer in den Code eintauchen will, findet jedoch im kostenlosen Zusatzmaterial einige Codebeispiele. Aus dem Inhalt: Umgang mit verschiedenen Zufallsquellen beim Training neuronaler Netze Unterscheidung zwischen Encoder- und Decoder-Architekturen in großen Sprachmodellen (LLMs) Verringerung von Überanpassung durch Daten- und Modellmodifikationen Konstruktion von Konfidenzintervallen für Klassifizierer und Optimierung von Modellen mit begrenzten gelabelten Daten Wählen zwischen verschiedenen Multi-GPU-Trainingsparadigmen und verschiedenen Arten von generativen KI-Modellen Verstehen von Performancemetriken für die Verarbeitung natürlicher Sprache
Anwendungen mit GPT-4 und ChatGPT entwickeln
Nutzen Sie die Leistungsfähigkeit von Large Language Models für wirklich innovative Anwendungen! - Dieses Buch vermittelt Ihnen Schritt für Schritt das notwendige Wissen, um GPT-4 und ChatGPT in Ihre eigenen Projekte zu integrieren - Es verbindet nahtlos Theorie und Praxis und macht die Komplexität von GPT-4 und GPT 3.5 für Programmierer:innen verständlich - Die Themen reichen von den grundlegenden Prinzipien der LLMs und der API-Integration bis hin zu Prompt Engineering und Feintuning - Die aktualisierte und erweiterte 2. Auflage behandelt neben GPT 4 und GPT 3.5 jetzt auch GPT 4o sowie das Thema Multimodalität Diese Einführung zeigt Python-Entwicklerinnen und -Entwicklern, wie sie Anwendungen mit Large Language Models erstellen. Olivier Caelen und Marie-Alice Blete erklären die wichtigsten Features von GPT-4 und GPT-3.5 und beschreiben, wie sie für eigene NLP-Aufgaben eingesetzt werden können. In nachvollziehbaren Schritten wird erläutert, wie Sie mithilfe der OpenAI-Python-Bibliothek Applikationen zur Textgenerierung, für das Question Answering oder für intelligente Assistenten entwickeln. Anschauliche Beispiele sowie klare und detaillierte Erklärungen unterstützen Sie dabei, die Konzepte zu verstehen und sie auf Ihre Projekte anzuwenden. Die Codebeispiele sind in einem GitHub- Repository verfügbar. Zudem enthält das Buch ein Glossar mit den wichtigsten Begriffen. Für diese 2. Auflage wurde das Buch aktualisiert und deutlich erweitert, es berücksichtigt die neuesten Entwicklungen in der KI-Technologie wie beispielsweise GPT-4o und Multimodalität. Sind Sie bereit, das Potenzial von Large Language Models in Ihren Anwendungen zu nutzen? Dann ist dieses Buch ein Muss für Sie. Es behandelt: - Grundlagen und Stärken von GPT-4- und GPT-3.5-Modellen und deren Funktionsweise - Die Integration dieser Modelle in Python-basierte Anwendungen für Aufgaben im Natural Language Processing - Beispielprojekte, die den Einsatz der OpenAI-API für Aufgaben wie Texterstellung, Inhaltszusammenfassung, Dokumentenklassifikation oder Sentimentanalyse demonstrieren - Fortgeschrittene LLM-Themen wie das Prompt Engineering, das Optimieren von Modellen, RAG, Plug-ins, LangChain, LlamaIndex und KI-Assistenten
Das Swift-Handbuch (4. Auflg.)
Das Swift-Handbuch in aktualisierter 4. Auflage aus dem Januar 2025- Einsteiger lernen die Grundlagen der Swift-Programmierung und wie sie Apps auf Basis von SwiftUI mit Xcode für die unterschiedlichen Plattformen entwickeln.- Profis erfahren u. a., wie sie die Versionsverwaltung von Xcode nutzen und welches Vertriebsmodell das richtige für ihre App ist.- Auf plus.hanser-fachbuch.de: Praxisprojekte zum Ausprobieren und Lernen als DownloadDer unentbehrliche Begleiter für alle, die mit Swift und SwiftUI eigene Apps für die verschiedenen Apple-Plattformen entwickeln möchten. Hier werden von den Grundlagen über Listen und Navigationsstrukturen bis hin zum Umgang mit dem Status alle relevanten Themen der App-Entwicklung abgedeckt. Sie können das Buch als Nachschlagewerk für einzelne Funktionen verwenden, aber auch, um sich in neue Themen einzuarbeiten.Aufgrund des modularen Aufbaus finden Sie sich leicht zurecht: Die Programmiersprache Swift, die Entwicklungsumgebung Xcode und die Arbeit mit SwiftUI werden jeweils in einem eigenen Abschnitt behandelt.Das Buch richtet sich gleichermaßen an Einsteiger wie an Profis, die ihr Know-how in Bezug auf die App-Entwicklung für Apple-Plattformen ausbauen und vertiefen wollen. Ganz gleich, ob Sie mit der Programmierung in Swift neu durchstarten und die erste eigene App kreieren oder ob Sie die Profi-Funktionen von Xcode beherrschen möchten: Das Swift-Handbuch ist Ihr idealer Wegbegleiter.
Funktionale Programmierung mit Python
Funktionale Programmierung mit Python, Erstauflage aus Januar 2025Das Buch bietet mehrere Vorteile für diejenigen, die ihre Programmierkenntnisse vertiefen möchten.Es vermittelt ein grundlegendes Verständnis für Konzepte wie Funktionen als erste Klasse Bürger, Unveränderlichkeit und Funktionskomposition.Durch die Förderung eines deklarativen Stils erweitert es den Denkansatz und erleichtert die Skalierbarkeit von Anwendungen. Funktionale Programmierung minimiert durch den Einsatz von Funktionen ohne Seiteneffekte das Risiko von Fehlern und verbessert die Codequalität.Das Buch hilft beim Verstehen von höheren Abstraktionen wie Dekorateuren und Generatoren sowie deren praktische Anwendungen und erleichtert die Anwendung dieser Konzepte durch zahlreiche Beispiele und Übungen mit Musterlösungen.Diese praxisorientierte Herangehensweise ermöglicht es den Lesenden, das Gelernte unmittelbar in realen Situationen anzuwenden und ihre Fähigkeiten zu vertiefen.Insgesamt trägt es dazu bei, die Programmierfähigkeiten zu verbessern und eine effektive Anwendung in verschiedenen Kontexten zu ermöglichen. Die Autoren:Der Diplom-Informatiker Bernd Klein genießt internationales Ansehen als Python-Dozent. Bisher hat er über 500 Python-Kurse in Firmen, Forschungsinstituten und Lehraufträgen von Universitäten in Deutschland, Frankreich, der Schweiz, Österreich, den Niederlanden, Luxemburg, Rumänien und Kanada durchgeführt. Er ist Gründer und Inhaber des Schulungsanbieters Bodenseo. Große Aufmerksamkeit finden seine Python-Webseiten www.python-kurs.eu und www.python-course.eu mit jährlich über 6 Millionen Besuchenden.Philip Klein hat einen Bachelor und Master in Informatik an der Universität Freiburg und schon während des Studiums bereits Python-Kurse für Bodenseo gegeben. Nach dem Studium war er bei Telocate als Softwareentwickler tätig. Er hat primär mit Python und Cpp gearbeitet. Seit Januar 2023 arbeitet er bei Bodenseo als Python-Dozent, primär als Pythonspezialist sowie auch als Trainer für Kurse über Machine Learning.
Pro Spring Boot 3 with Kotlin
Quickly and productively build complex Kotlin-based Spring applications and microservices out of the box, with minimal concern over things such as configurations. This revised edition will show you how to fully leverage the Spring Boot 3 micro-framework and apply it to create enterprise-ready Kotlin-based cloud-native applications, microservices, and web applications that just work.The book covers what has been added to the new Spring Boot 3 release, including improved support for the Kotlin programming language, changes to Stream Editor UI, Maven Preemptive Authentication, building Docker images using cloud-native build packs, building layered jars for optimized Docker images, E2E traceability for configuration properties, many dependency upgrades, support for Spring Data, and much more.This book is your in-depth pragmatic guide for increasing your enterprise Kotlin and cloud application productivity while decreasing development time. It is a no-nonsense guide with case studies of increasing complexity throughout the book. The main author, a senior solutions architect and Principal Technical instructor at Pivotal, the company behind the Spring Framework, shares his experience, insights, and first-hand knowledge about how Spring Boot technology works, and best practices.This is an essential book for your Kotlin-based Spring learning and reference library.WHAT YOU WILL LEARN* Build cloud-native apps and microservices with the Spring Boot 3 framework* Persist and access your data using and integrating with Spring Data* Message with Kafka, RabbitMQ, and WebSockets* Explore Spring Cloud projects* Extend Spring Boot by creating your own Spring Boot Starter and @Enable feature* Test and deploy Spring Boot with best practices* Effectively use Kotlin as a programming language for Spring applicationsWHO THIS BOOK IS FORExperienced Spring, Java, and Kotlin developers seeking increased productivity gains and decreased complexity and development time in their applications and software servicesPETER SPÄTH graduated in 2002 as a physicist and soon afterward became an IT consultant, mainly for Java-related projects. In 2016, he decided to concentrate on writing books on various aspects, but with the main focus on software development. With two books about graphics and sound processing, three books on Android app development, and a beginner’s book on Jakarta EE development, the author continues his effort in writing software development-related literature.FELIPE GUTIERREZ is a Senior Platform Architect at Pivotal, the creators of Spring Boot and Spring Framework, where he serves as a senior consultant with the Spring team. He has more than 20 years of IT experience, during which time he developed programs for companies in multiple vertical industries such as government, retail, healthcare, education, and banking. He also develops in Groovy, RabbitMQ, and other technologies. Previously he has consulted for companies such as Nokia, Apple, Redbox, and Qualcomm, among others. He received his bachelor and master degrees in computer science from Instituto Tecnologico y de Estudios Superiores de Monterrey Campus Ciudad de Mexico.Part I: Introduction.- Chapter 1: Spring Boot Quick Start.- Chapter 2: Spring Boot Internals.- Chapter 3: Spring Boot Web Development.- Chapter 4: Spring Boot SQL Data Access.- Chapter 5: Spring Data with Spring Boot.- Chapter 6: Spring Data NoSQL with Spring Boot.- Chapter 7: Spring Boot Reactive.- Chapter 8: Spring Boot Testing.- Part II. Spring Cloud Data Flow: Internals.- Chapter 9: Spring Boot Security.- Chapter 10: Messaging with Spring Boot.- Chapter 11: Spring Boot Actuator.- Chapter 12: Spring Boot Native and AOT.- Chapter 13: Spring Cloud with Spring Boot.- Chapter 14: Extending Spring Boot.- Chapter 15: Spring Boot New Projects.
Real-World Java
A CONCISE HANDBOOK FOR THE MOST COMMON TOOLS USED IN MODERN JAVA DEVELOPMENTGood Java developers learn Java syntax, how to create loops and switches, and can work out a lambda filter stream. But great Java developers need to understand the vast ecosystem of tools and frameworks for collaboration, testing, building, and more. In Real-World Java®: Helping You Navigate the Java Ecosystem, a team of veteran Java developers delivers a concise and authoritative discussion of the most common frameworks, tools, and techniques used in enterprise Java development shops. The authors provide just enough background and examples to allow you to dive right into the expert guidance on annotations, logging frameworks, observability, performance tuning, testing tools, and collaboration, that real-life commercial Java development typically relies on. You’ll expand your Java development toolkit with frameworks and utilities like Spring, Git, Prometheus, and Project Lombok. You’ll also discover links to tested, downloadable code examples that demonstrate the skills discussed in the book. Real-World Java® is the perfect resource for everyone already somewhat comfortable with the language but who wants to familiarize themselves with the tools and frameworks used in contemporary Java software development. VICTOR GRAZI is an Oracle Java Champion and a veteran Java engineer in the USA, and has built serious Java applications at some of the world's leading banks. He is a Pluralsight author, has served as infoQ Java lead editor, and serves on the Java community process executive committee. Victor is a frequent presenter at technical conferences and hosts the “Java Concurrent Animated” and “Bytecode Explorer” open-source projects. JEANNE BOYARSKY is an Oracle Java Champion and has worked as a Java developer for a major bank for more than 20 years. She is a senior moderator at CodeRanch, and trains and mentors students of all levels, including the programming department of a FIRST robotics team.
Funktionale Programmierung mit Python
- Erweitern Sie Ihre Programmierfähigkeiten in Python - Erhöhen Sie mittels funktionaler Programmierung die Qualität Ihres Codes - Lernen Sie anhand zahlreicher praxisbezogener Übungsaufgaben - Mit Beispielen und Lösungen aus dem Buch auf der begleitenden Website - Vermeiden Sie Nebenwirkungen durch den Einsatz reiner Funktionen - Einführung in höherwertige Funktionen zur Steigerung der Programmier-Effizienz - Optimieren Sie Ihre Codes durch Lazy Evaluation und Generatoren - Ihr exklusiver Vorteil: E-Book inklusive beim Kauf des gedruckten Buches Das Buch bietet zahlreiche Vorteile für alle, die ihre Programmierkenntnisse vertiefen möchten. Es vermittelt grundlegende Konzepte wie Funktionen als erste Klasse Bürger, Unveränderlichkeit, Funktionskomposition und Funktionen höherer Ordnung. Dabei fördert es einen deklarativen Programmierstil, der die Skalierbarkeit von Anwendungen erleichtert und durch den Einsatz von Funktionen ohne Seiteneffekte die Codequalität verbessert. Zudem werden höhere Abstraktionen wie Dekoratoren, Generatoren, Closures, Memoisation und Currying ausführlich erklärt. Durch praxisnahe Beispiele und Übungen mit Lösungen wird die Anwendung dieser Konzepte deutlich erleichtert. Darüber hinaus behandelt das Buch auch die funktionale Emulation von OOP-Konzepten, was besonders bei komplexen Anwendungen von Nutzen ist. Insgesamt hilft es dabei, das Verständnis für diese fortgeschrittenen Themen zu vertiefen und die Programmierfähigkeiten in verschiedenen Kontexten effektiv anzuwenden. AUS DEM INHALT // - Einführung in Python unter funktionalen Aspekten - Collections-Modul - Dataclasses und Pattern Matching - Funktionen höherer Ordnung - Dekoratoren _ Memoisation - Closures - Komposition von Funktionen - Currying in Python - Funktionale Emulation von OOP-Konzepten - Generatoren und Iteratoren - Iteratoren der Standardbibliothek - Das Modul itertools
Cloud-Infrastrukturen (2. Auflage)
Cloud-Infrastrukturen. Das Handbuch für DevOps-Teams und Administratoren (2., aktualisierte Auflage, 2025)Infrastructure as a Service: Moderne IT-Infrastrukturen werden in die Cloud integriert und nutzen die Rechenzentren von Amazon, Microsoft und Co. Das ermöglicht ganz neue Arbeitsweisen und verspricht mühelose Skalierbarkeit und eine einfache Administration – aber der Teufel steckt im Detail!Wo AWS, Azure und andere Anbieter echte Vorteile ausspielen können, welche Probleme sich dort verstecken und wie Sie die Dienste richtig nutzen, zeigen Ihnen Kevin Welter und Daniel Stender anhand vieler Praxisbeispiele und Anleitungen in diesem Handbuch.Welcome to the Cloud!1. Public Cloud ComputingDie Vorteile von IaaS kennen Sie: Kostenersparnis, flexible Skalierbarkeit, Ressourcen nach Bedarf. Wie Sie mit den richtigen Konzepten das Maximum aus der Cloud herausholen, erfahren Sie hier.2. Der Werkzeugkasten für Cloud EngineersIn der modernen Systemadministration führt kein Weg mehr an zeitgemäßen Tools vorbei. Setzen Sie Python, Google Go und Ansible ein, um Ihre Cloud-Infrastruktur effizient zu verwalten. Und benutzen Sie Docker und Kubernetes als Plattform für Ihre Applikationen in der Cloud.3. Infrastructure-as-CodeFür das Cloud Computing brauchen Sie die richtigen Werkzeuge und Ideen. So scripten Sie Ihre Infrastruktur und sorgen für komfortable Automation und sichere Reproduzierbarkeit.Aus dem InhaltPublic Cloud Computing: IaaS und PaaSWerkzeuge und Skills für Cloud EngineersIaaS-Anbieter verwendenAmazon Web Services, Azure, Google Compute Engine, Hetzner und andere: Welcher Anbieter ist der Richtige für mich?Hybrid- und Multicloud-ComputingCloud-Infrastrukturen automatisch ausrollenCloud-Infrastrukturen mit Ansible konfigurierenCloud-Server testenCloud-Monitoring mit PrometheusCloud-Ressourcen programmierenLeseprobe (PDF-Link)Über die AutorenKevin Welter ist Mitgründer und Geschäftsführer der HumanITy GmbH. Mit seinem Unternehmen unterstützt er Großkonzerne wie Deutsche Bahn, EnBW und Deutsche Telekom bei der Weiterentwicklung ihrer Software sowie der dazugehörigen Prozesse.Daniel Stender hat als freier Cloud-, DevOps- und Linux-Engineer für Banken und Finanzdienstleister gearbeitet.
Schrödinger programmiert Python (2. Auflg.)
Schrödinger programmiert Python, das etwas andere Fachbuch (2. Auflage, 2025)Vom Feinsten! Lerne Python so, dass es Spaß macht und du alles behältst. Mit Schrödinger tauchst du in die vielseitige Sprache voll ein und schreibst von Anfang an guten Python-Code. Von der Installation über GUIs bis zur Einbindung von Bibliotheken, z. B. für Diagramme lernst Du alles, was Du über Python wissen musst. Und die vielen Aufgaben und Übungen sorgen dafür, dass das Gelernte auch richtig sitzt. Für Einsteiger, Umsteiger und Fans. Mit unterhaltsamen Illustrationen.Schrödinger garantiert1. Gründlicher EinstiegSchrödinger ist zwar ein etwas ungeduldiger Typ, aber Profi Stephan Elter bringt Ruhe und System in die Sache: Erst einmal alles installieren und lernen, wie man Dateien abspeichert, wie die Syntax aussieht und was es mit dem »Zen of Python« auf sich hat.2. Lesen, Mitmachen, ÜbenZu jedem Thema gibt es nach einer Einführung etwas für euch zu tun. Mal entsteht eine Anwendung, mal repariert oder verbessert ihr Code. Und um sicher zu gehen, dass ihr alles verstanden habt, gibt es außerdem Übungsaufgaben mit Lösungen.3. Gute Fragen, gute AntwortenPython ist unvorstellbar vielseitig. Ideal für den Einstieg wie für die Wissenschaft, objektorientiert und funktional, für kleine Skripte, komplexe Software oder neuronale Netze. Der Sprachkern ist dabei immer der gleiche, so dass ihr für alles gut gerüstet seid.Leseprobe (PDF-Link)Das alles (und noch viel mehr):Installationshilfe und gründlicher EinstiegObjektorientierung aus der Profi-PraxisDas Zen of PythonUmgang mit Zeit und DatumTeile und herrsche: ModuleAlles rund um DatenbankenKeine Angst vor regulären AusdrückenSchrödinger probiert Künstliche Intelligenz mit Python ausUnmengen an Beispielcode und ÜbungenÜber den Autor:Stephan Elter würde nie ein trockenes Fachbuch schreiben. Er entwickelt Software mit Python, Java, JavaScript, PHP und anderen Sprachen.
Neuronale Netze programmieren mit Python (3. Auflg.)
Geniale Ideen einfach erklärt. Das Praxisbuch für Einsteiger in 3. Auflage aus dem Januar 2025.Neuronale Netze sind die Technologie hinter Deep Learning, Machine Learning und generativer Künstlicher Intelligenz wie ChatGPT. Sie revolutionieren derzeit die verschiedensten Anwendungsgebiete vom Strategiespiel bis zur Bild- und Spracherkennung. In neuronalen Netzen stecken geniale Ideen, die sich zum Glück einfach erklären lassen. Unsere Experten helfen Ihnen dabei, neuronale Netze zu verstehen und selber zu entwickeln. Um sie gewinnbringend einzusetzen, programmieren Sie verschiedene Netztypen selbst nach. Und zwar in Python, der Hauptsprache der KI-Welt. Sie werden sich dabei mit Mathematik und Programmierung befassen, brauchen aber keine konkreten Vorkenntnisse. Roland Schwaiger und Joachim Steinwendner erklären Ihnen alles besonders anschaulich mit zahlreichen Abbildungen. Ein faszinierendes Buch, das Ihnen den Durchblick in der KI-Welt bringt.Schritt für Schritt zum trainierten KI-Modell: Grundlagen Für Ihren leichten Einstieg haben die Autoren eine Lernumgebung vorbereitet, erläutern alle mathematischen Konzepte von Grund auf und fangen mit einfachen Neuronalen Netzen an. Python-Crashkurs inklusive. Praxis, Praxis, Praxis Die Theorie ist in diesem Fall wirklich wichtig. Aber dann entwickeln Sie selbst, und zwar verschiedene Netztypen – und wenden sie auf verschiedene Fragestellungen an. Die Maschinen lernen lassen Neuronale Netze müssen trainiert werden, und dabei kommt es auf das Wie an! Lernen Sie direkt am Beispiel, Fallstricke zu umgehen, Trainingsdaten geschickt zu nutzen, Werkzeuge auszuwählen und die Trefferquoten ihrer Modelle zu erhöhen. Aus dem Inhalt: Die Grundidee hinter Neuronalen Netzen Ein einfaches Neuronales Netz aufbauen Neuronale Netze trainieren Überwachtes und unüberwachtes Lernen Wichtige mathematische Grundlagen Reinforcement Learning Verschiedene Netzarten und ihre Anwendungsbereiche Back Propagation Deep Learning Programmieren von Transformer-Netzen Einführung in TensorFlow Ethische, rechtliche und ökologische Fragen Leseprobe (PDF-Link) Die Autoren:Dr. Roland Schwaiger ist in so manchen Bereichen der IT-Welt zuhause – Entwickler, Dozent, Forscher und Autor.Prof. Dr. Joachim Steinwendner ist Forschungsfeldleiter für Digital GeoHealth an der Fernfachhochschule Schweiz mit einer fundierten Expertise in Data Science, Maschinellem Lernen, Empfehlungssystemen und Deep Learning.
ABAP Cloud
Entdecken Sie die Zukunft der ABAP-Entwicklung – direkt in der Cloud! Programmieren Sie eigenständige ABAP-Anwendungen und Erweiterungen für Ihre SAP-S/4HANA-Lösungen, ohne in den Standard-Code eingreifen zu müssen. Mit diesem praktischen Handbuch lernen Sie die ABAP-Umgebungen der SAP Business Technology Platform und von SAP S/4HANA Cloud kennen und erfahren alles über den verfügbaren Sprachumfang und die Arbeit mit dem ABAP RESTful Application Programming Model. Aus dem Inhalt: SAP Business Technology PlatformSAP S/4HANA CloudABAP Development ToolsABAP RESTful Application Programming ModelSAP Fiori ElementsCore Data ServicesCustomizingSoftware Lifecycle ManagementABAP Cloud für On-Premise-Systeme Einleitung ... 17 TEIL I. Einführung in das neue Entwicklungsmodell für ABAP ... 23 1. Die SAP-Anwendungsentwicklung im Wandel ... 25 1.1 ... Herausforderungen des digitalen Zeitalters ... 26 1.2 ... Cloud-Computing und die SAP Business Technology Platform ... 33 1.3 ... Konzepte der SAP Business Technology Platform ... 36 1.4 ... Cloud Foundry als Basis für das ABAP Environment ... 45 1.5 ... Dienste der SAP Business Technology Platform ... 49 1.6 ... Zusammenfassung ... 52 2. ABAP-Plattform ... 55 2.1 ... SAP S/4HANA Cloud und on premise ... 56 2.2 ... SAP Business Technology Platform, ABAP Environment ... 65 2.3 ... Einordnung in die SAP-Systemlandschaft ... 76 2.4 ... Zusammenfassung ... 77 3. Das ABAP-Cloud-Entwicklungsmodell ... 79 3.1 ... Evolution der ABAP-Programmiermodelle ... 79 3.2 ... Was ist ABAP Cloud? ... 82 3.3 ... Freigegebener Sprachumfang und Objekte ... 85 3.4 ... Zusammenfassung ... 100 4. Die Arbeitsumgebung einrichten ... 101 4.1 ... Das Dashboard als Administrationsoberfläche ... 101 4.2 ... Identitäts- und Zugriffsverwaltung ... 104 4.3 ... ABAP Development Tools als Entwicklungsumgebung einrichten ... 107 4.4 ... Zusammenfassung ... 113 TEIL II. Entwicklung von Geschäftsobjekten und Erweiterung von SAPAnwendungen ... 115 5. Aufbau des Datenmodells der Beispielanwendung ... 117 5.1 ... Einführung in die Beispielanwendung ... 118 5.2 ... Softwarekomponenten ... 120 5.3 ... Datenmodell implementieren ... 131 5.4 ... Eine Konsolenanwendung anlegen ... 143 5.5 ... Virtuelles Datenmodell ... 147 5.6 ... Zusammenfassung ... 155 6. Geschäftsobjekte modellieren ... 157 6.1 ... ABAP RESTful Application Programming Model als Grundlage für die Geschäftsobjektmodellierung ... 157 6.2 ... Aufbau des Geschäftsobjekts ... 160 6.3 ... Geschäftsobjektmodellierung mittels CDS-Views ... 163 6.4 ... Business-Services erstellen ... 167 6.5 ... Zusammenfassung ... 180 7. Geschäftslogik entwickeln ... 181 7.1 ... Implementierungsszenarien ... 181 7.2 ... Transaktionales Verhalten implementieren ... 186 7.3 ... Nummerierung implementieren ... 198 7.4 ... Entity Manipulation Language ... 208 7.5 ... Ermittlungen implementieren ... 214 7.6 ... Validierungen implementieren ... 221 7.7 ... Aktionen implementieren ... 227 7.8 ... Zusätzliche Feldeigenschaften definieren ... 231 7.9 ... Sperrkonzepte ... 238 7.10 ... Zusammenfassung ... 244 8. Erweiterung des Speicherverhaltens ... 247 8.1 ... Erweitertes Speicherverhalten implementieren ... 248 8.2 ... Eigene Speicherroutinen implementieren ... 256 8.3 ... Zusammenfassung ... 262 9. Verwendung von Geschäftsobjekten ... 263 9.1 ... Flexible Konsumierung von Geschäftsobjekten mittels Projektionsschicht ... 264 9.2 ... Projektionsschicht erstellen ... 267 9.3 ... Virtuelle Elemente modellieren ... 278 9.4 ... Geschäftsobjekte freigeben ... 282 9.5 ... Zusammenfassung ... 290 10. Gestalten von Benutzeroberflächen ... 293 10.1 ... Einheitliche Benutzeroberflächen mit SAP Fiori Elements ... 294 10.2 ... UI-Annotationen ... 300 10.3 ... Metadatenerweiterungen ... 325 10.4 ... Aktive Annotationen ... 327 10.5 ... Benutzeroberflächen mit dem SAP Business Application Studio anlegen ... 329 10.6 ... Benutzeroberflächen bereitstellen ... 336 10.7 ... Zusammenfassung ... 337 11. Berechtigungen implementieren ... 339 11.1 ... Berechtigungsobjekte ... 340 11.2 ... Berechtigungsprüfungen für Geschäftsobjekte ... 347 11.3 ... Anwendungsbenutzer*innen Berechtigungen zuweisen ... 357 11.4 ... Technischen Benutzern Berechtigungen zuweisen ... 371 11.5 ... Zugriff auf SAP-Fiori-Anwendungen bereitstellen ... 373 11.6 ... Zusammenfassung ... 379 12. Business Configuration bereitstellen ... 383 12.1 ... Eine Business-Configuration-Anwendung entwickeln ... 384 12.2 ... Customizing Lifecycle Management ... 395 12.3 ... Zusammenfassung ... 403 13. Erweiterung von Geschäftsobjekten ... 405 13.1 ... Erweiterbare Geschäftsobjekte ermitteln ... 406 13.2 ... Geschäftsobjekt erweitern ... 411 13.3 ... Zusammenfassung ... 431 TEIL III. Weiterführende Konzepte ... 433 14. Kommunikation mit externen Systemen ... 435 14.1 ... Kommunikationsmanagement ... 436 14.2 ... Mit APIs arbeiten ... 447 14.3 ... Anbindung an On-Premise-SAP-Systeme ... 458 14.4 ... Mit Events arbeiten ... 473 14.5 ... Zusammenfassung ... 485 15. Kundeneigenen Quellcode migrieren ... 489 15.1 ... Cloud-Readiness-Prüfungen durchführen ... 490 15.2 ... Migration in das ABAP Environment ... 506 15.3 ... Halbautomatische Quellcodeanpassungen ... 522 15.4 ... Zusammenfassung ... 532 16. Software Lifecycle Management ... 535 16.1 ... Git ... 536 16.2 ... Git-fähiges Change and Transport System ... 539 16.3 ... Software Lifecycle Management im SAP BTP, ABAP Environment ... 540 16.4 ... Software Lifecycle Management in SAP S/4HANA ... 552 16.5 ... Zusammenfassung ... 556 17. ABAP Cloud für On-Premise-Systeme anwenden ... 557 17.1 ... Embedded ABAP Environment ... 558 17.2 ... Vorgehen bei der On-Stack-Erweiterung ... 561 17.3 ... Wahl der richtigen Erweiterungsstrategien ... 570 17.4 ... Zusammenfassung ... 575 Anhang ... 577 A ... Eine ABAP-Serviceinstanz anlegen ... 579 B ... Quellen- und Literaturverzeichnis ... 587 Das Autorenteam ... 591 Index ... 593
Neuronale Netze programmieren mit Python
Neuronale Netze stehen im Mittelpunkt, wenn es um Künstliche Intelligenz und Machine Learning geht. Sie revolutionieren Bild- und Spracherkennung, Spiele-KIs und vieles mehr. Zum Glück lassen sich die genialen Ideen dahinter einfach erklären. Um sie zu verstehen und einzusetzen, programmieren Sie verschiedene Netztypen selbst nach! Und zwar in Python, der Hauptsprache der KI-Welt. Sie werden sich dabei mit Mathematik und Programmierung befassen, brauchen aber keine konkreten Vorkenntnisse. Aus dem Inhalt: Die Grundidee hinter Neuronalen NetzenEin einfaches Neuronales Netz aufbauenNeuronale Netze trainierenÜberwachtes und unüberwachtes LernenEinführung in TensorFlowKompaktkurs PythonWichtige mathematische GrundlagenReinforcement LearningVerschiedene Netzarten und ihre AnwendungsbereicheBack PropagationDeep LearningWerkzeuge für Data Scientists Vorwort ... 13 Vorwort zur 2. Auflage ... 16 Vorwort zur 3. Auflage (in Kooperation mit einem Transformer Neural Network) ... 17 1. Einleitung ... 19 1.1 ... Wozu neuronale Netze? ... 19 1.2 ... Über dieses Buch ... 20 1.3 ... Der Inhalt kompakt ... 22 1.4 ... Ist diese Biene eine Königin? ... 25 1.5 ... Ein künstliches neuronales Netz für den Bienenstaat ... 26 1.6 ... Von der Biologie zum künstlichen Neuron ... 32 1.7 ... Einordnung und der Rest ... 36 1.8 ... Zusammenfassung ... 45 1.9 ... Referenzen ... 45 TEIL I. Up and running ... 47 2. Das minimale Starterkit für die Entwicklung von neuronalen Netzen mit Python ... 49 2.1 ... Die technische Entwicklungsumgebung ... 49 2.2 ... Zusammenfassung ... 72 3. Ein einfaches neuronales Netz ... 73 3.1 ... Vorgeschichte ... 73 3.2 ... Her mit dem neuronalen Netz! ... 73 3.3 ... Neuron-Zoom-in ... 77 3.4 ... Stufenfunktion ... 82 3.5 ... Perceptron ... 84 3.6 ... Punkte im Raum -- Vektorrepräsentation ... 85 3.7 ... Horizontal und vertikal -- Spalten- und Zeilenschreibweise ... 92 3.8 ... Die gewichtete Summe ... 95 3.9 ... Schritt für Schritt -- Stufenfunktionen ... 95 3.10 ... Die gewichtete Summe reloaded ... 96 3.11 ... Alles zusammen ... 97 3.12 ... Aufgabe: Roboterschutz ... 100 3.13 ... Zusammenfassung ... 103 3.14 ... Referenzen ... 103 4. Lernen im einfachen Netz ... 105 4.1 ... Vorgeschichte: Man lässt planen ... 105 4.2 ... Lernen im Python-Code ... 106 4.3 ... Perceptron-Lernen ... 107 4.4 ... Trenngerade für einen Lernschritt ... 110 4.5 ... Perceptron-Lernalgorithmus ... 112 4.6 ... Die Trenngeraden bzw. Hyperplanes oder auch Hyperebenen für das Beispiel ... 117 4.7 ... scikit-learn-kompatibler Estimator ... 120 4.8 ... scikit-learn-Perceptron-Estimator ... 127 4.9 ... Adaline ... 129 4.10 ... Zusammenfassung ... 139 4.11 ... Referenzen ... 141 5. Mehrschichtige neuronale Netze ... 143 5.1 ... Ein echtes Problem ... 143 5.2 ... XOR kann man lösen ... 145 5.3 ... Vorbereitungen für den Start ... 150 5.4 ... Der Plan für die Umsetzung ... 152 5.5 ... Das Setup (»class«) ... 153 5.6 ... Die Initialisierung (»__init__«) ... 155 5.7 ... Was für zwischendurch (»print«) ... 158 5.8 ... Die Auswertung (»predict«) ... 159 5.9 ... Die Verwendung ... 161 5.10 ... Zusammenfassung ... 162 6. Lernen im mehrschichtigen Netz ... 163 6.1 ... Wie misst man einen Fehler? ... 163 6.2 ... Gradientenabstieg an einem Beispiel ... 165 6.3 ... Ein Netz aus sigmoiden Neuronen ... 174 6.4 ... Der coole Algorithmus mit Vorwärts-Delta und Rückwärts-Propagation ... 176 6.5 ... Ein fit-Durchlauf ... 189 6.6 ... Zusammenfassung ... 198 6.7 ... Referenz ... 198 7. Beispiele für tiefe neuronale Netze ... 199 7.1 ... Convolutional Neural Networks ... 199 7.2 ... Transformer Neural Networks ... 216 7.3 ... Das Optimierungsverfahren ... 226 7.4 ... Overfitting verhindern ... 228 7.5 ... Zusammenfassung ... 230 7.6 ... Referenzen ... 231 8. Programmierung von Deep Neural Networks mit TensorFlow 2 ... 233 8.1 ... Convolutional Networks zur Handschriftenerkennung ... 233 8.2 ... Transfer Learning mit Convolutional Neural Networks ... 249 8.3 ... Transfer Learning mit Transformer Neural Networks ... 259 8.4 ... Zusammenfassung ... 264 8.5 ... Referenzen ... 265 TEIL II. Deep Dive ... 267 9. Vom Hirn zum Netz ... 269 9.1 ... Ihr Gehirn in Aktion ... 270 9.2 ... Das Nervensystem ... 270 9.3 ... Das Gehirn ... 271 9.4 ... Neuronen und Gliazellen ... 274 9.5 ... Eine Übertragung im Detail ... 276 9.6 ... Darstellung von Zellen und Netzen ... 279 9.7 ... Zusammenfassung ... 280 9.8 ... Referenzen ... 281 10. Die Evolution der künstlichen neuronalen Netze ... 283 10.1 ... Die 1940er-Jahre ... 284 10.2 ... Die 1950er-Jahre ... 286 10.3 ... Die 1960er-Jahre ... 288 10.4 ... Die 1970er-Jahre ... 288 10.5 ... Die 1980er-Jahre ... 289 10.6 ... Die 1990er-Jahre ... 303 10.7 ... Die 2000er-Jahre ... 303 10.8 ... Die 2010er-Jahre ... 304 10.9 ... Zusammenfassung ... 307 10.10 ... Referenzen ... 307 11. Der Machine-Learning-Prozess ... 309 11.1 ... Das CRISP-DM-Modell ... 309 11.2 ... Ethische und rechtliche Aspekte ... 313 11.3 ... Feature Engineering ... 324 11.4 ... Zusammenfassung ... 353 11.5 ... Referenzen ... 354 12. Lernverfahren ... 355 12.1 ... Lernstrategien ... 355 12.2 ... Werkzeuge ... 384 12.3 ... Zusammenfassung ... 389 12.4 ... Referenzen ... 390 13. Anwendungsbereiche und Praxisbeispiele ... 391 13.1 ... Warmup ... 391 13.2 ... Bildklassifikation ... 394 13.3 ... Erträumte Bilder ... 415 13.4 ... Deployment mit vortrainierten Netzen ... 426 13.5 ... Zusammenfassung ... 430 13.6 ... Referenzen ... 431 Anhang ... 433 A ... Python kompakt ... 435 B ... Mathematik kompakt ... 465 C ... TensorFlow 2 und Keras ... 485 Index ... 497
Julia Quick Syntax Reference
Learn the Julia programming language as quickly as possible. This book is a must-have reference guide that presents the essential Julia syntax in a well-organized format, updated with the latest features of Julia’s APIs, libraries, and packages.This book provides an introduction that reveals basic Julia structures and syntax; discusses data types, control flow, functions, input/output, exceptions, metaprogramming, performance, and more. Additionally, you'll learn to interface Julia with other programming languages such as R for statistics or Python. At a more applied level, you will learn how to use Julia packages for data analysis, numerical optimization, symbolic computation, and machine learning, and how to present your results in dynamic documents.The Second Edition delves deeper into modules, environments, and parallelism in Julia. It covers random numbers, reproducibility in stochastic computations, and adds a section on probabilistic analysis. Finally, it provides forward-thinking introductions to AI and machine learning workflows using BetaML, including regression, classification, clustering, and more, with practical exercises and solutions for self-learners.WHAT YOU WILL LEARN* Work with Julia types and the different containers for rapid development* Use vectorized, classical loop-based code, logical operators, and blocks* Explore Julia functions: arguments, return values, polymorphism, parameters, anonymous functions, and broadcasts* Build custom structures in Julia* Use C/C++, Python or R libraries in Julia and embed Julia in other code.* Optimize performance with GPU programming, profiling and more.* Manage, prepare, analyse and visualise your data with DataFrames and Plots* Implement complete ML workflows with BetaML, from data coding to model evaluation, and more.WHO THIS BOOK IS FORExperienced programmers who are new to Julia, as well as data scientists who want to improve their analysis or try out machine learning algorithms with Julia.Antonello Lobianco, PhD is a research engineer employed by a French Grande É cole (polytechnic university). He works on the biophysical and economic modelling of the forest sector and is responsible for the lab models portfolio. He does programming in C++, Perl, PHP, Visual Basic, Python, and Julia. He teaches environmental and forest economics at undergraduate and graduate levels and modelling at PhD level. For a few years, he has followed the development of Julia as it fits his modelling needs. He is the author of a few Julia packages, particularly on data analysis and machine learning (search sylvaticus on GitHub).Part 1. Language Core.- 1. Getting Started.- 2. Data Types and Structures.- 3. Control Flow and Functions.- 4. Custom Types.- E1: Shelling Segregation Model - 5. Input – Output.- 6. Metaprogramming and Macros.- 7. Interfacing Julia with Other Languages.- 8. Efficiently Write Efficient Code. - 9 Parallel Computing in Julia - Part 2. Packages Ecosystem.- 10. Working with Data.- 11. Scientific Libraries.- E2: Fitting a forest growth model - 12 – AI with Julia – E3. Predict house values - 13. Utilities. Appendix: Solutions to the exercises.
Neural Networks with TensorFlow and Keras
Explore the capabilities of machine learning and neural networks. This comprehensive guidebook is tailored for professional programmers seeking to deepen their understanding of neural networks, machine learning techniques, and large language models (LLMs). The book explores the core of machine learning techniques, covering essential topics such as data pre-processing, model selection, and customization. It provides a robust foundation in neural network fundamentals, supplemented by practical case studies and projects. You will explore various network topologies, including Deep Neural Networks (DNN), Recurrent Neural Networks (RNN), Long Short-Term Memory (LSTM) networks, Variational Autoencoders (VAE), Generative Adversarial Networks (GAN), and Large Language Models (LLMs). Each concept is explained with clear, step-by-step instructions and accompanied by Python code examples using the latest versions of TensorFlow and Keras, ensuring a hands-on learning experience. By the end of this book, you will gain practical skills to apply these techniques to solving problems. Whether you are looking to advance your career or enhance your programming capabilities, this book provides the tools and knowledge needed to excel in the rapidly evolving field of machine learning and neural networks. What You Will Learn * Grasp the fundamentals of various neural network topologies, including DNN, RNN, LSTM, VAE, GAN, and LLMs * Implement neural networks using the latest versions of TensorFlow and Keras, with detailed Python code examples * Know the techniques for data pre-processing, model selection, and customization to optimize machine learning models * Apply machine learning and neural network techniques in various professional scenarios Explore the capabilities of machine learning and neural networks. This comprehensive guidebook is tailored for professional programmers seeking to deepen their understanding of neural networks, machine learning techniques, and large language models (LLMs). The book explores the core of machine learning techniques, covering essential topics such as data pre-processing, model selection, and customization. It provides a robust foundation in neural network fundamentals, supplemented by practical case studies and projects. You will explore various network topologies, including Deep Neural Networks (DNN), Recurrent Neural Networks (RNN), Long Short-Term Memory (LSTM) networks, Variational Autoencoders (VAE), Generative Adversarial Networks (GAN), and Large Language Models (LLMs). Each concept is explained with clear, step-by-step instructions and accompanied by Python code examples using the latest versions of TensorFlow and Keras, ensuring a hands-on learning experience. By the end of this book, you will gain practical skills to apply these techniques to solving problems. Whether you are looking to advance your career or enhance your programming capabilities, this book provides the tools and knowledge needed to excel in the rapidly evolving field of machine learning and neural networks. What You Will Learn * Grasp the fundamentals of various neural network topologies, including DNN, RNN, LSTM, VAE, GAN, and LLMs * Implement neural networks using the latest versions of TensorFlow and Keras, with detailed Python code examples * Know the techniques for data pre-processing, model selection, and customization to optimize machine learning models * Apply machine learning and neural network techniques in various professional scenarios Who This Book Is For Data scientists, machine learning enthusiasts, and software developers who wish to deepen their understanding of neural networks and machine learning techniques Chapter 1: Introduction to Neural Networks.- Chapter 2: Using Tensors.- Chapter 3: How Machines Learn.- Chapter 4: Network Layers.- Chapter 5: The Training Process.- Chapter 6: Generative Models.- Chapter 7: Re-enforcement Learning.- Chapter 8: Using Pre-trained Networks. Philip Hua brings over 30 years of experience in investment, risk management, and IT. He has held senior positions as a partner at a hedge fund, led risk and IT departments at both large and boutique firms, and co-founded a successful fintech company. Alongside Dr. Paul Wilmott, he developed the CrashMetrics methodology, a crucial tool for evaluating severe market risk in portfolios. Philip holds a PhD in Applied Mathematics from Imperial College London, an MBA, and a BSc in Engineering.
Generative AI Apps with LangChain and Python
Future-proof your programming career through practical projects designed to grasp the intricacies of LangChain’s components, from core chains to advanced conversational agents. This hands-on book provides Python developers with the necessary skills to develop real-world Large Language Model (LLM)-based Generative AI applications quickly, regardless of their experience level.Projects throughout the book offer practical LLM solutions for common business issues, such as information overload, internal knowledge access, and enhanced customer communication. Meanwhile, you’ll learn how to optimize workflows, enhance embedding efficiency, select between vector stores, and other optimizations relevant to experienced AI users. The emphasis on real-world applications and practical examples will enable you to customize your own projects to address pain points across various industries._Developing LangChain-based Generative AI LLM Apps with Python_ employs a focused toolkit (LangChain, Pinecone, and Streamlit LLM integration) to practically showcase how Python developers can leverage existing skills to build Generative AI solutions. By addressing tangible challenges, you’ll learn-by-be doing, enhancing your career possibilities in today’s rapidly evolving landscape.WHAT YOU WILL LEARN* Understand different types of LLMs and how to select the right ones for responsible AI.* Structure effective prompts.* Master LangChain concepts, such as chains, models, memory, and agents.* Apply embeddings effectively for search, content comparison, and understanding similarity.* Setup and integrate Pinecone vector database for indexing, structuring data, and search.* Build Q & A applications for multiple doc formats.* Develop multi-step AI workflow apps using LangChain agents.WHO THIS BOOK IS FORPython programmers who aim to develop a basic understanding of AI concepts and move from LLM theory to practical Generative AI application development using LangChain; those seeking a structured guide to enhance their careers by learning to create robust, real-world LLM-powered Generative AI applications; data scientists, analysts, and experienced developers new to LLMs.RABI JAY has over 15 years of experience driving digital transformation with a unique blend of technical depth and business acumen. His background as a Java and SAP ABAP developer provides insights into the enterprise systems LLMs often needed to integrate with. As a leader in Deloitte’s Digital / Cloud Native practice, he has gained cross-industry experience applying AI solutions, positioning him to identify where LLMs offer the greatest potential for business impact.He is passionate about making complex technology accessible, leading him to authoring books on SAP NetWeaver Portal Technology and "Enterprise AI in the Cloud" along with regular contributions to industry publications. His role as a technical reviewer for Large Language Model Based Solutions, Modern Python Development Using ChatGPT, and as Vice President at HCL America, focused on digital transformation, demonstrate his active engagement in the LLM field. Additionally, he runs a LinkedIn newsletter ("Enterprise AI Transformation") and free LinkedIn course (“Generative AI for Business Innovation”).Chapter 1: Introduction to LangChain and LLMs.- Chapter 2: Integrating LLM APIs with LangChain.- Chapter 3: Building Q&A and Chatbot Apps.- Chapter 4: Exploring LLMs.- Chapter 5: Mastering Prompts for Creative Content.- Chapter 6: Building Chatbots and Automated Analysis Systems Using Chains.- Chapter 7: Building Advanced Q&A and Search applications Using Retrieval-Augmented Generation (RAG).- Chapter 8: Your First Agent App.- Chapter 9: Building Different Types of Agents.- Chapter 10: Projects: Building Agent Apps for Common Use Cases. - Chapter 11: Building & Deploying a ChatGPT Like App Using Streamlit.
Hands-on Deep Learning
This book discusses deep learning, from its fundamental principles to its practical applications, with hands-on exercises and coding. It focuses on deep learning techniques and shows how to apply them across a wide range of practical scenarios.The book begins with an introduction to the core concepts of deep learning. It delves into topics such as transfer learning, multi-task learning, and end-to-end learning, providing insights into various deep learning models and their real-world applications. Next, it covers neural networks, progressing from single-layer perceptrons to multi-layer perceptrons, and solving the complexities of backpropagation and gradient descent. It explains optimizing model performance through effective techniques, addressing key considerations such as hyperparameters, bias, variance, and data division. It also covers convolutional neural networks (CNNs) through two comprehensive chapters, covering the architecture, components, and significance of kernels implementing well-known CNN models such as AlexNet and LeNet. It concludes with exploring autoencoders and generative models such as Hopfield Networks and Boltzmann Machines, applying these techniques to a diverse set of practical applications. These applications include image classification, object detection, sentiment analysis, COVID-19 detection, and ChatGPT.By the end of this book, you will have gained a thorough understanding of deep learning, from its fundamental principles to its innovative applications, enabling you to apply this knowledge to solve a wide range of real-world problems.WHAT YOU WILL LEARN* What are deep neural networks?* What is transfer learning, multi-task learning, and end-to-end learning?* What are hyperparameters, bias, variance, and data division?* What are CNN and RNN?WHO THIS BOOK IS FORMachine learning engineers, data scientists, AI practitioners, software developers, and engineers interested in deep learningHARSH BHASIN is a researcher and practitioner. He has completed his PhD in Diagnosis and Conversion Prediction of Mild Cognitive Impairment Using Machine Learning from Jawaharlal Nehru University, New Delhi. He worked as a Deep Learning consultant for various firms and taught at various Universities, including Jamia Hamdard, and DTU. He is currently associated with Bennett University.Harsh has authored 11 books, including _Programming in C#_ and _Algorithms._ He has authored more than 40 papers that have been published in international conferences and renowned journals, including Alzheimer’s and Dementia, Soft Computing, Springer, BMC Medical Informatics & Decision Making, AI & Society, etc. He is the reviewer of a few renowned journals and has been the editor of a few special issues. He has been a recipient of Visvesvaraya Fellowship, Ministry of Electronics and Information Technology.His areas of expertise include Deep Learning, Algorithms and Medical Imaging. Apart from his professional endeavours, he is deeply interested in Hindi Poetry: the progressive era and Hindustani Classical Music: percussion instruments.Chapter 1: Revisiting Machine Learning.- Chapter 2: Introduction to Deep Learning.- Chapter 3: Neural Networks.- Chapter 4: Training Deep Networks.- Chapter 5: Hyperparameter Tuning.- Chapter 6: Convolutional Neural Networks: Part 1.- Chapter 7: Convolutional Neural Networks : Part 2.- Chapter 8: Transfer Learning.- Chapter 9: Recurrent Neural Networks.- Chapter 10: LSTM and GRU.- Chapter 11: Autoencoders.- Chapter 12: Introduction to Generative Models.- Appendices A-G.
Java 23 for Absolute Beginners
Write your first code in Java 23 using simple, step-by-step examples that model real-word objects and events, making learning easy. With this book you will be able to pick up core programming concepts without fuss and write efficient Java code in no time. Clear code descriptions and layout ensure you get your code running as soon as possible. Author Iuliana Cosmina focuses on practical knowledge and getting you up to speed quickly—all the bits and pieces a novice needs to get started programming in Java.In this edition, you will discover how Java has changed since version 17, and how to design and write code using the most recently introduced Java features such as new collection methods, virtual threads, pattern and record matching in switch expressions, structured concurrency tasks, unnamed classes and instance methods, and many more.This book is a complete Java guide, covering the following topics: setting up a development environment, programming concepts and well-known programming principles, writing Java code following industry-specific design patterns and coding conventions, executing it, debugging, testing, documenting it and even using specialized tools such as IntelliJ IDEA for writing Java code, Maven for building, JUnit Jupiter for testing, and in-memory and Docker-hosted databases or data storage. After reading this book, you’ll have all the necessary skills and knowledge to pass an interview for a starting Java development position.WHAT YOU WILL LEARN* Set up a Java development environment* Use the Java language to write high-quality code* Understand fundamental programming concepts and algorithms* Use virtual threads, records, and other Java renown features* Debug, test, and document Java code* Improve performance by customizing the Garbage CollectorWHO THIS BOOK IS FORThose who are new to programming and want to learn Java and use it to build efficient solutionsIULIANA COSMINA is currently a software engineer for Cloudsoft, Edinburgh. She has been writing Java code since 2002 and contributed to various types of applications such as experimental search engines, ERPs, track and trace, and banking. During her career, she has been a teacher, a team leader, software architect, DevOps professional, and software manager. She is a Spring-certified Professional, as defined by Pivotal, the makers of Spring Framework, Boot, and other tools, and considers Spring the best Java framework to work with. When she is not programming, she spends her time reading, blogging, learning to play piano, travelling, hiking, or biking.1. An Introduction to Java and its History.- 2. Preparing your Development Environment.- 3. Getting Your Feet Wet.- 4. Java Syntax.- 5. Data Types.- 6. Operators.- 7. Controlling the Flow.- 8. The Stream API.- 9. Debugging, Testing, and Documenting.- 10. Making Your Application Interactive.- 11. Working With Files.- 12. The Publish-Subscribe Framework.- 13. Garbage Collection.- Appendix A.
Programmieren mit JavaScript
JavaScript hat sich mittlerweile von einer, am Anfang teils nicht ganz ernst genommenen, Skriptsprache im Browser zu einer der wichtigsten Programmiersprachen überhaupt entwickelt. Im Kern immer noch als die Sprache im Webbrowser schlechthin populär, erobert JavaScript nach und nach immer mehr Anwendungsgebiete. Bei der clientseitigen Webentwicklung gibt es im Grunde keine Alternative zu JavaScript für die Entwicklung interaktiver und dynamischer Webanwendungen. Nahezu alle Frameworks basieren zudem auf JavaScript. Aber auch zur Unterstützung vieler weiterer Arten von Software kann man JavaScript einsetzen bzw. gibt es auf JavaScript aufsetzende Frameworks.Insbesondere boomt aber die serverseitige Entwicklung mit JavaScript. Beispielsweise mit Node.js können Entwickler JavaScript auf Serverseite ausführen, was die Entwicklung von skalierbaren und leistungsstarken Webanwendungen ermöglicht. Node.js wird zudem häufig für die Erstellung von APIs, Echtzeit-Anwendungen und Microservices verwendet.Entdecken Sie in diesem Buch nun die mittlerweile fast grenzenlosen Möglichkeiten von JavaScript. Von den Grundlagen bis hin zu fortgeschrittenen Techniken werden alle Aspekte der Sprache abgedeckt. Tauchen Sie ein in die Welt von JavaScript und erweitern Sie Ihr Wissen mit praxisnahen Beispielen und bewährten Methoden. Egal, ob Sie mit JavaScript beginnen und die Grundlagen erlernen möchten, oder als erfahrene(r) Entwicklerin bzw. Entwickler das Können vertiefen wollen. Hier finden Sie das Wissen und die Werkzeuge, um Ihre JavaScript-Fähigkeiten auf das nächste Level zu bringen. Einleitung. Erste Beispiele – Der Sprung ins kalte Wasser. Versionen von JavaScript und Einbindung in Webseiten. Elementare JavaScript-Grundstrukturen. Kontrollflussanweisungen. Arrays, JSON und andere iterierbare Elemente. Funktionen, Prozeduren und Methoden. Module. Objekte und JavaScript. Eingebaute Objektdeklarationen. Der DOM – das Mysterium der JavaScript-Welt. Ausnahmebehandlung. Asynchrone Programmierung. Erweiterte Techniken. Eine Frage der Qualität. RALPH STEYER wurde in Wiesbaden geboren und hat nach dem Abitur in Frankfurt Mathematik studiert. Seit 1996 arbeitet er selbstständig als Diplom-Mathematiker im Bereich EDV-Schulung, Programmierung und Beratung. Seine Spezialgebiete sind Internetprogrammierung und objektorientierte Software-Entwicklung. Unter anderem unterrichtet er an Hochschulen sowie für verschiedene Schulungsanbieter. Ralph Steyer ist zudem Autor zahlreicher Fachbücher und Videotrainings zu verschiedenen Programmierthemen.
Spiele programmieren mit Scratch
* 12 COOLE COMPUTERSPIELE GANZ EINFACH MIT SCRATCH ERSTELLEN* VON DEN GRUNDLAGEN BIS ZU CLEVEREN TRICKS WIE BERÜHRUNGEN ERKENNEN UND PUNKTE ZÄHLEN * FÜR KINDER AB 9 JAHREN OHNE VORKENNTNISSE* AKTUELL ZU SCRATCH 3.0Mit diesem Buch lernen Kinder ganz einfach und spielerisch das Programmieren. Hierzu ist nichts weiter nötig als ein PC, die kostenlose Programmiersprache Scratch und dieses Buch.Scratch ist eine visuelle Programmiersprache und damit besonders gut für Kinder und die ersten Gehversuche in der Welt der Programmierung geeignet. Das Buch enthält eine kurze Einführung in die Verwendung von Scratch sowie Anleitungen für 12 spannende Spiele, die Kinder ganz leicht selbstständig umsetzen können. Durch die intuitive Bedienung von Scratch können die Spiele einfach angepasst werden, um der eigenen Kreativität freien Lauf zu lassen.Während sie die Spiele aus dem Buch umsetzen, lernen Kinder spielerisch wichtige Grundlagen der Programmierung wie z.B. die Funktionsweise von Schleifen, Variablen und Funktionen, die später auf andere Programmiersprachen übertragen werden können.Für das Programmieren kleiner Spiele unterwegs enthält das Buch zusätzlich eine kurze Einführung in die Smartphone-App ScratchJr.SPIELE IM BUCH:* Zahlenraten* Versteckspiel* Baseball* Asteroiden abschießen* Tennis* Adventure: Verwunschenes Haus* und viele mehrThomas Kaffka arbeitet als Dozent für IT an einem Gymnasium und in zwei Bildungseinrichtungen, die Schülerinnen und Schülern die IT näherbringen. Er war viele Jahre als Softwareingenieur und Projektleiter in Softwarehäusern sowie Wirtschaftsprüfungs- und Beratungsgesellschaften tätig.
Learning Algorithms for Internet of Things
The advent of Internet of Things (IoT) has paved the way for sensing the environment and smartly responding. This can be further improved by enabling intelligence to the system with the support of machine learning and deep learning techniques. This book describes learning algorithms that can be applied to IoT-based, real-time applications and improve the utilization of data collected and the overall performance of the system.Many societal challenges and problems can be resolved using a better amalgamation of IoT and learning algorithms. “Smartness” is the buzzword that is realized only with the help of learning algorithms. In addition, it supports researchers with code snippets that focus on the implementation and performance of learning algorithms on IoT based applications such as healthcare, agriculture, transportation, etc. These snippets include Python packages such as Scipy, Scikit-learn, Theano, TensorFlow, Keras, PyTorch, and more._Learning Algorithms for Internet of Things _provides you with an easier way to understand the purpose and application of learning algorithms on IoT.WHAT YOU’LL LEARN* Supervised algorithms such as Regression and Classification.* Unsupervised algorithms, like K-means clustering, KNN, hierarchical clustering, principal component analysis, and more.* Artificial neural networks for IoT (architecture, feedback, feed-forward, unsupervised).* Convolutional neural networks for IoT (general, LeNet, AlexNet, VGGNet, GoogLeNet, etc.).* Optimization methods, such as gradient descent, stochastic gradient descent, Adagrad, AdaDelta, and IoT optimization.WHO THIS BOOK IS FORStudents interested in learning algorithms and their implementations, as well as researchers in IoT looking to extend their work with learning algorithmsDR. G. R. KANAGACHIDAMBARESAN is a Professor in the Department of CSE, Vel Tech Rangarajan Dr. Sagunthala R&D Institute of Science and Technology. His main research interests includes IoT, Expert systems and Sensors. He has published several reputed articles and undertaken several consultancy activities for leading MNC companies. He has also guest edited several special issue volumes and books at Springer and serves on the editorial review board for peer reviewed journals.He is currently working on several government-sponsored research projects like ISRO, DBT and DST. He is a TEC committee member in DBT. He is an ASEM-DUO Fellow and has successfully edited several books in EAI Springer. He is currently the Editor-in-Chief for the Next Generation Computer and Communication Engineering Series (Wiley). He received his B.E degree in Electrical and Electronics Engineering from Anna University in 2010 and M.E. Pervasive Computing Technologies in Anna University in 2012. He has completed his Ph.D. in Anna University Chennai in 2017.DR. N. BHARATHI is an Associate Professor in the Computer Science Engineering Department at SRM Institute of Science and Technology in Chennai, India. Her past experiences are Associate Professor at Saveetha School of Engineering, R&D head at Yalamanchili Manufacturing Private Limited, and Assistant professor in SASTRA deemed university. She has good knowledge to work with IoT and embedded system in addition to computer science engineering concepts.She was awarded with a Ph.D. degree in Computer Science in 2014 from SASTRA Deemed University, with 19+ years of work experience as an academic and industrial experience as R&D head involved in ARM platform boards with software development in Ubuntu OS. She completed her M. Tech in Advanced computing in SASTRA deemed University and done her M.Tech project internship at Center for High Performance Embedded System (CHiPES), Nanyang Technological University (NTU), Singapore. She was completed her B.E. in computer science engineering in 2002 at Shanmugha College of Engineering (Bharathidasan University). She published many research papers in reputed journals and conferences along with book chapters, advised many B.Tech. and M.Tech. students in various domains of computer science engineering and embedded systems and is currently advising four research scholars.Chapter 1: Learning Algorithms for IoT.- Chapter 2: Python Packages for Learning Algorithms.- Chapter 3: Supervised Algorithms.- Chapter 4: Unsupervised Algorithms.- Chapter 5: Reinforcement Algorithms.- Chapter 6: Artificial Neural Networks for IoT.- Chapter 7: Convolutional Neural Networks for IoT.- Chapter 8: LSTM, GAN, and RNN.- Chapter 9: Optimization Methods.
Building Scalable Deep Learning Pipelines on AWS
This book is your comprehensive guide to creating powerful, end-to-end deep learning workflows on Amazon Web Services (AWS). The book explores how to integrate essential big data tools and technologies—such as PySpark, PyTorch, TensorFlow, Airflow, EC2, and S3—to streamline the development, training, and deployment of deep learning models.Starting with the importance of scaling advanced machine learning models, this book leverages AWS's robust infrastructure and comprehensive suite of services. It guides you through the setup and configuration needed to maximize the potential of deep learning technologies. You will gain in-depth knowledge of building deep learning pipelines, including data preprocessing, feature engineering, model training, evaluation, and deployment.The book provides insights into setting up an AWS environment, configuring necessary tools, and using PySpark for distributed data processing. You will also delve into hands-on tutorials for PyTorch and TensorFlow, mastering their roles in building and training neural networks. Additionally, you will learn how Apache Airflow can orchestrate complex workflows and how Amazon S3 and EC2 enhance model deployment at scale.By the end of this book, you will be equipped to tackle real-world challenges and seize opportunities in the rapidly evolving field of deep learning with AWS. You will gain the insights and skills needed to drive innovation and maintain a competitive edge in today’s data-driven landscape.WHAT YOU WILL LEARN* Maximize AWS services for scalable and high-performance deep learning architectures* Harness the capacity of PyTorch and TensorFlow for advanced neural network development* Utilize PySpark for efficient distributed data processing on AWS* Orchestrate complex workflows with Apache Airflow for seamless data processing, model training, and deploymentWHO THIS BOOK IS FORData scientists looking to expand their skill set to include deep learning on AWS, machine learning engineers tasked with designing and deploying machine learning systems who want to incorporate deep learning capabilities into their applications, AI practitioners working across various industries who seek to leverage deep learning for solving complex problems and gaining a competitive advantageABDELAZIZ TESTAS, PHD, is a seasoned data scientist with over a decade of experience in data analysis and machine learning. He earned his PhD in Economics from the University of Leeds in England and holds a master’s degree in the same field from the University of Glasgow in Scotland. Additionally, he has earned several certifications in computer science and data science in the United States.For over 10 years, Abdelaziz served as a Lead Data Scientist at Nielsen, where he played a pivotal role in enhancing the company’s audience measurement capabilities. He was instrumental in planning, initiating, and executing end-to-end data science projects and developing methodologies that advanced Nielsen’s digital ad and content rating products. His expertise in media measurement and data science drove the creation of innovative solutions.Recently, Abdelaziz transitioned to the public sector, joining the State of California's Department of Health Care Access and Information (HCAI). In his new role, he leverages his coding and data science leadership skills to make a meaningful impact, supporting HCAI’s mission to ensure quality, equitable, and affordable health care for all Californians.Abdelaziz is also the author of Distributed Machine Learning with PySpark: Migrating Effortlessly from Pandas and Scikit-Learn (Apress).Chapter 1: Overview of Scalable Deep Learning Pipelines on AWS.- Chapter 2: Setting Up a Deep Learning Environment on AWS.- Chapter 3: Data Preparation with PySpark for Deep Learning.- Chapter 4: Deep Learning with PyTorch for Regression.- Chapter 5: Deep Learning with TensorFlow for Regression.- Chapter 6: Deep Learning with PyTorch for Classification.- Chapter 7: Deep Learning with TensorFlow for Classification.- Chapter 8: Scalable Deep Learning Pipelines with Apache Airflow.- Chapter 9: Techniques for Improving Model Performance.- Chapter 10: Deploying and Monitoring Deep Learning Models.
Java For Dummies
LEARN TO CODE WITH JAVA AND OPEN THE GATE TO A REWARDING CAREERNow in its 9th edition, Java For Dummies gives you the essential tools you need to understand the programming language that 17 million software developers rely on. This beginner-friendly guide simplifies every step of the learning process. You'll learn the basics of Java and jump into writing your own programs. Along the way, you'll gain the skills you need to reuse existing code, create new objects, troubleshoot when things go wrong, and build working programs from the ground up. Java For Dummies will help you become a Java developer, even if you're brand new to the world of coding.* Learn the basic syntax and building blocks of Java* Begin to write your own programs in the latest Java version* Test out your code and problem-solve any errors you find* Discover techniques for writing code fasterThis is the must-have Dummies resource for beginning programmers and students who need a step-by-step guide to getting started with Java. You'll also love this book if you're a seasoned programmer adding another language to your repertoire. DR. BARRY BURD is a professor of Mathematics and Computer Science at Drew University in Madison, NJ. He’s a co-leader of the Garden State Java User Group and New York JavaSIG. In 2020, he was honored to be named a Java Champion. He’s the author of Beginning Programming with Java For Dummies and Flutter For Dummies.
Natural Language Processing on Oracle Cloud Infrastructure
This book demonstrates how to use Oracle Cloud Infrastructure (OCI) and Hugging Face technologies to develop advanced NLP solutions. Through a practical case study, it addresses common NLP challenges and offers strategies for creating efficient, cost-effective transformer-based models. By the end of this book, you will have the skills and knowledge to create cutting-edge NLP solutions on OCI, customized to meet the needs of various industries and projects.The book takes you through the complete NLP solution life cycle—covering data preparation, model fine-tuning, deployment, and monitoring—while highlighting key topics such as cost-effectiveness and responsible AI for NLP implementations. Drawing from real-world experience and offering practical insights, it bridges the gap between theory and practice, equipping you to design and deploy scalable, cost-efficient NLP solutions.WHAT YOU WILL LEARN* Master key NLP concepts and the OCI ecosystem* Create high-quality datasets using Hugging Face and OCI Data Labeling Service* Fine-tune domain-specific pre-trained models from Hugging Face using OCI Data Science Notebook Sessions* Deploy and operationalize your models with OCI Data Science Model Deployments* Automate the NLP life cycle with OCI Data Science Pipelines* Implement cost-effective strategies throughout the entire NLP life cycle, from dataset preparation to model training and deploymentWHO THIS BOOK IS FORA diverse audience interested in implementing NLP solutions on Oracle Cloud Infrastructure: NLP practitioners, data scientists, and machine learning engineers who want to learn how to leverage Oracle AI and Hugging Face to implement an end-to-end NLP solution life cycle, from data preparation to model deployment; Oracle practitioners who want to expand their Oracle expertise by exploring OCI's advanced capabilities for building and scaling cutting-edge NLP solutions in enterprise environments; business decision makers who want to discover the strategic benefits of NLP solutions on OCI, including cost-effectiveness and responsible AI, while driving business valueHICHAM ASSOUDI is an accomplished IT professional and AI expert with over 30 years of experience, including more than 25 years specializing in Oracle technologies. He holds a PhD in Computer Science and is also an OCI Certified Architect. Hicham has held key roles such as Technology Manager at Oracle and IT Architect at IBM, offering highly specialized technical consulting to major corporations across Canada, the US, and Europe.Hicham’s journey into AI began over a decade ago during his doctoral studies, where he initially focused on intelligent agents and general machine learning. He later specialized in natural language processing (NLP) from the early days of transformer models, positioning him at the forefront of NLP innovation. As the founder of Typica.ai, an AI startup, Hicham applies cutting-edge research to practical NLP solutions, empowering organizations to leverage NLP for significant business impact.In addition to his industry contributions, Hicham maintains strong ties to academia as an External Research Associate at the AI Lab of UQAM University in Montreal, bridging the gap between academic research and real-world applications.Part 1: Foundations and Case Study Introduction.- Chapter 1: NLP Essentials.- Chapter 2: Oracle Cloud for NLP.- Chapter 3: Healthcare NLP Case Study.- Part2: Case Study Implementation.- Chapter 4: Tenancy Preparation.- Chapter 5: Dataset Preparation.- Chapter 6: Model Fine-tuning.- Part 3: Case Study Deployment and Wrap-Up.- Chapter 7: Model Deployment and Monitoring.- Chapter 8: MLOps and Conclusion.