Das Facebook-Entwicklerteam für Künstliche Intelligenz hat das Preview Release von PyTorch 1.0 veröffentlicht. PyTorch soll das Entwickeln und Testen von KI-Anwendungen effektiver machen. Dafür hat sich das Entwicklerteam mit der Community zusammengetan und erhält auch von anderen Tech-Firmen wie Google, Amazon und Microsoft Unterstützung.

Bunt, bunter, Oktober – Die erste Woche im Oktober ist vorbei und hatte einen bunten Mix an Themen im Gepäck. Java Champion Lukas Eder erklärt, wie man ein richtig guter Programmierer werden kann. Im Interview mit Fabian Hueske dreht sich alles um Stream Processing und auch ein weiterer Teil der Kolumne Enterprise Tales erregte Aufmerksamkeit bei den Lesern.

Für das Stream Processing gab es bereits vor Apache Flink Frameworks wie Apache Spark und Apache Kafka. Während diese beiden Frameworks allerdings erst im Nachhinein auf die Datenstrom-Verarbeitung optimiert wurden, wurde Apache Flink für diesen Anwendungszweck von Grund auf designt. Fabian Hueske, Co-Founder und Software Engineer bei data Artisans, spricht im Interview über die Unterschiede zwischen den Frameworks und die Zukunft des Stream Processings.

SapFix heißt das von Facebook aktuell entwickelte KI-Tool, mit dem Code gescannt und Bugs automatisch gefixt werden können. Das Programmierer-Tool ist bereits bei Facebook im Einsatz und soll zu einem späteren Zeitpunkt auch Entwicklern Open Source zur Verfügung gestellt werden.

Künstliche Intelligenz (KI) begegnet uns überall: Sie soll Flotten selbstfahrender Autos steuern, unzählige neue Geschäftschancen eröffnen und verheißt sogar den Schlüssel zur Weltmachtposition. Bei all den Erwartungen übersehen wir jedoch leicht das wahre Potenzial von KI.

Wer im Business-Alltag auf eigenes Datenmanagement und Künstliche Intelligenz setzt, ist der Gewinner von morgen, weil er heute schon den Überblick behält. „Künstliche Intelligenz“ ist digitales Zukunftsthema und Boomfaktor in Wissenschaft, Wirtschaft und Medien und hat längst in Unternehmen und Institutionen Einzug gehalten. Doch wenn Konsumenten und Organisationen zunehmend digital agieren, müssen auch die Ansätze zur Kundenakquise, zum Personalmanagement und zum Businessmanagement digitale Kommunikation und Interaktion schneller und umfassender operationalisieren und analysieren.

Innerhalb weniger Jahre hat sich Robotic Process Automation (RPA) zu einer validen Alternative für die Automatisierung und Optimierung von Abläufen entwickelt. Prozesse in der industriellen Produktion lassen sich ganzheitlich optimieren, wenn Fertigungsroboter, Logistik und alle Maschinenanlagen miteinander kommunizieren. Für das Büro kündigt sich jetzt eine ähnliche Entwicklung an.

Mobil war gestern, heute braucht jeder einen Alexa-Skill. So ungefähr könnte die Flut von Skills im Store von Amazon erklärt werden. Denn Alexa erfreut sich steigender Beliebtheit, und das nicht nur im privaten Umfeld, sondern auch in Unternehmen. In seiner Session von der W-JAX 2017 beleuchten Dr. Adam Giemza und Marek Wester von der Schenker AG die Anatomie eines Alexa Skills und zeigen am Beispiel eines der größten Logistikunternehmens die Entwicklung von Skills in Java auf Basis der Serverless Computing Platform AWS Lambda.

Digitale Bots automatisieren repetitive Routine-Aufgabe und erhöhen damit Produktivitiät. Separat betrachtet ziehen sie keine Erkenntnisse daraus. Kombiniert mit den neuesten Machine-Learning-Anwendungen erhält Robotic Process Automation neue Bot-Fähigkeiten.

Es sind noch exakt 127 Tage bis Weihnachten, für Python-Entwickler gab es allerdings schon letzte Woche Geschenke. Jedenfalls, wenn man eine Top-Platzierung in den landläufig bekannten Programmiersprachen-Rankings als solches bezeichnen möchte. Außerdem gab es letzte Woche eine umfangreiche Einführung in das Trainieren von Deep-Learning-Modellen mit AWS AI und einen Leitfaden für Git & Co. auf JAXenter. Was sonst noch wichtig war, erfahrt ihr in unserem Wochenrückblick.

Amazon verwendet seit Jahrzehnten bereits prädiktive Modelle. Mit AWS-AI soll das maschinelle Lernen nun jedoch in die Hände eines jeden Entwicklers gelegt werden. In diesem Artikel erklärt Cyrus Vahid, KI-Spezialist bei AWS, einige grundlegende Deep-Learning-Modelle und geht darauf ein, inwiefern Amazon für jeden Use-Case Services besitzt.

Jupyter Notebooks: Wer sich mit Machine Learning beschäftigt, stolpert irgendwann über diesen Namen. Wann aber lohnt es sich, einen Blick darauf zu werfen? Diese Frage beantwortet Michael Zickert im Interview zum Python Summit 2018.

Bilderkennung mit neuronalen Netzen ist heute ein großer Trend. Wie funktioniert das und wie gut muss man sich dafür mit Machine Learning auskennen? Wir haben Shirin Glander, Data Scientist bei codecentric, nach Technologien, Trends und Tipps für die maschinelle Bilderkennung mit neuronalen Netzen gefragt.

Machine Learning und Künstliche Intelligenz sind gerade Thema. Das ist keine bahnbrechende Neuigkeit. Naheliegend, dass wir uns in dieser Ausgabe von „Sag mal…“ darüber unterhalten haben. Anders als sonst hat allerdings diesmal Niko die Fragen gestellt.
 
 

Aktuell findet die internationale Google Cloud Next 2018 in San Francisco statt. Führende Mitarbeiter von Google stellen in Vorträgen, Diskussionen und Workshops die Vision für die Zukunft von Google Cloud vor. Bereits am ersten Tag überrascht Google mit vielen Neuerungen und Updates.

Kann man einen Hardware-Ausfall oder einen Hacker-Angriff voraussehen? Zumindest lassen sich aus den Funktionsdaten einer Infrastruktur – von der Temperatur der Devices über die Latenz bis hin zum Lese-Schreib-Verhalten – wertvolle Rückschlüsse ziehen, um die Qualität von Rechenzentrumsleistungen in der Cloud deutlich zu erhöhen. Durch selbstlernende Algorithmen entsteht ein System, in dem sich Predictive Maintenance und Live Scaling automatisiert umsetzen lassen.

Machine Learning, Deep Learning, verschiedene Arten von Networks, Tools und Frameworks: Die Welt des maschinellen Lernens ist groß und bietet inzwischen schon zahlreiche Optionen. Wir haben mit Oliver Zeigermann, Trainer auf dem ML Summit, über genau diese Vielfalt gesprochen.

Es ist nichts Neues, dass Code fast alle Bereiche unseres Modernen Lebens bestimmt. Trotzdem beschränken sich Programmierkenntnisse immer noch auf bestimmte Fachleute und
Communitys. Da sich die Fähigkeit, Anwendungen zu schreiben, immer weiter verbreitet, stellt sich nun allerdings Frage, ob das Coden in Zukunft zu den Grundfähigkeiten Lesen, Schreiben und Rechnen hinzukommen wird.

Der Erfinder von Python, Guido van Rossum, hat angekündigt, sich vom Projekt zurückziehen zu wollen. Damit verliert die Programmiersprache ihren langjährigen Hauptentscheidungsträger. Was bedeutet das für die Python-Community?

Mit TensorFlow 1.9 wurden wieder einige neue Features für die Deep-Learning-Bibliothek veröffentlicht. Dazu gehörten beispielsweise Neuerungen beim Laden von Daten und für die Textverarbeitung.