Es gibt Neuigkeiten aus dem IoT-Universum. Der Raspberry Pi 4 ist erschienen und hat so einige Upgrades im Gepäck. Im Vergleich zu seinem Vorgänger soll der Raspberry Pi 4 beispielsweise über dreifache Prozessor- und vierfache Multimedia-Leistung verfügen und so einen vollständigen Desktop-Rechner darstellen.

Kann UX die KI entmystifizieren? Ward Van Laer beantwortet diese Frage in seiner Session auf der ML Conference 2019. Wir haben den Speaker im Interview gefragt, wie das Black-Box-Problem des maschinellen Lernens durch eine einfache Verbesserung der User Experience gelöst werden kann.

Zum gemeinsamen Auftakt der Machine Learning Conference 2019 und der Internet of Things Conference 2019 wurde ein Blick über den Tellerrand unternommen: Das Verhältnis von künstlicher Intelligenz und Ethik stand im Mittelpunkt.

Maschinelles Lernen kann auf verschiedene Arten implementiert werden, eine davon ist das Reinforcement Learning. Was genau ist das und wie kann man es einsetzen? Zur ML Conference haben wir mit dem Speaker Dr. Christian Hidber über die zugrunde liegenden Ideen und Herausforderung des Reinforcement Learnings und die Frage gesprochen, warum es sich für die Anwendung in industriellen Settings eignet.

Twitter hat das Start-up Fabula AI übernommen, das nach eigenen Angaben Fake News durch Algorithmen mit einer Genauigkeit von 93 % erkennen kann. Dazu wird das patentierte Verfahren Geometric Deep Learning eingesetzt.

Google AI hat die neue Open Source Library TensorNetwork für Tensornetzwerk-Algorithmen vorgestellt. Sie kann für Machine Learning und Anwendungsfälle in der Physik eingesetzt werden.

Das Framework TensorFlow wurde für Machine Learning mit Python entwickelt. Was aber, wenn man stattdessen Java verwenden möchte? Darüber haben wir mit Christoph Henkelmann (DIVISIO GmbH) auf der JAX 2019 gesprochen.

Google hat TensorFlow Graphics vorgestellt, eine auf das Verständnis von Bildern ausgerichtete Bibliothek für die TensorFlow-Plattform. Sie verwendet Technologien aus den Bereichen Computer-Vision und Computer-Grafik. Ihr Zweck ist es, die Analyse verschiedener Bild-Merkmale mittels neuronaler Netze möglich zu machen.

Während der Softwareentwicklung sehen sich Entwickler oft mit wiederkehrenden Aufgaben konfrontiert. Häufig wurden diese bereits durch Kollegen in anderen Teilen eines Projekts gelöst. Das Facebook-Tool Aroma nutzt Machine Learning, um passende Code-Vorschläge aus ähnlichen Stellen zu erzeugen.

Mit dem TensorFlow Pruning API hat Google ein weiteres Werkzeug zur Optimierung von Machine-Learning-Modellen vorgestellt. Das auf Keras aufbauende API ist Googles erstes Optimierungstool, welches schon in der Trainingsphase eingesetzt werden kann.

Die EU-Kommission hat die nächsten Schritte für die Umsetzung ihrer KI-Strategie erläutert. Ein Gremium aus Fachleuten hat unter anderem Kernanforderungen für ethische KI aufgestellt. Im Sommer 2019 soll ein Pilotprojekt starten.

Vom 17. bis 19. Juni findet in München die Machine Learning Conference 2019 statt. TIPP: Bis zum Donnerstag, 16. Mai gelten noch die vergünstigten Frühbucher-Tarife.

Die neueste Beta zum ersten Major Release von Eclipse Deeplearning4j umfasst mehrere neue Features. Dazu gehört unter anderem die Unterstützung für verschiedene Datentypen von n-dimensionalen Arrays. Am CUDA-Support wurden ebenfalls Anpassungen vorgenommen.

Neue Features und Breaking Changes in PyTorch 1.1: Das Update fällt keineswegs so klein aus, wie die Versionsnummer vermuten ließe. So wurde am JIT-Compiler gearbeitet und ein experimenteller, aber offizieller Support für TensorBoard eingeführt.

Aus dem Hause OpenAI entspringt ein neues Projekt: MuseNet ist ein künstliches neuronales Netzwerk zur Komposition kurzer Musikstücke. Dabei werden verschiedenste Stilrichtungen verbunden. Für kurze Zeit kann MuseNet im Browser interaktiv ausprobiert werden.

Die vergangene Woche hatte zwar nur 4 Tage, doch gemessen an der Themenvielfalt, mindestens genau so viel zu bieten wie eine reguläre Woche. HiveMQ wird Open Source gestellt und unter Apache-Lizenz verfügbar sein. Außerdem gibt es einen Vergleich zwischen den Microservices-Frameworks Spring Boot und Eclipse MicroProfile sowie eine Einführung in Jenkins.

Fehler sind lästig! Und wer mit dem PC arbeitet, weiß: Bugs lauern an jeder Ecke! Doch wie durchsuchen Unternehmen mit der Größe von Mozilla eigentlich die endlosen Fehlerberichte, die jeden Tag eingehen? Mit Machine Learning, wie sich jetzt herausstellte. In einem Blog-Post stellt Mozilla nämlich BugBug vor, ein Open-Source-Tool, das Fehler automatisch klassifiziert.

Machine Learning (ML) ermöglicht es Anwendungen, versteckte Erkenntnisse zu gewinnen, ohne explizit dafür programmiert worden zu sein, worauf sie bei der Erkenntnisfindung achten müssen. So können unstrukturierte Daten analysiert, Bild- und Spracherkennung verbessert und fundierte Entscheidungen getroffen werden. In diesem Artikel werden wir vor allem neue Trends und Innovationen rund um Apache Kafka und Machine Learning diskutieren.

Google hat das neue Machine-Learning-Projekt MLIR vorgestellt. Das Kürzel steht für Multi Level Intermediate Representation. Das Projekt ist Teil des TensorFlow-Ökosystems und soll dabei helfen, ML-Modelle in verschiedenen Umgebungen zu nutzen.

Die Open-Source-Engine Microsoft TextWorld sieht auf den ersten Blick nach einem gewöhnlichen textbasierten Spiel aus, doch es steckt mehr dahinter.