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.

Wann ist Machine Learning (ML) die richtige Wahl für die App-Entwicklung und wann nicht? Wir sprachen mit Alexander von Below, Senior Software Engineer der Deutschen Telekom AG und Sprecher auf der Mobile Tech Conference darüber, wann und wie man ML in Apps einsetzen sollte.

Der DevOps-Ansatz hat sich in der Software-Entwicklung in den vergangenen Jahren immer weiter durchgesetzt. Die effizientere und effektivere Zusammenarbeit von Entwicklung und IT-Betrieb bringt allen Beteiligten zahlreiche Vorteile: So steigt nicht nur die Qualität der Software, sondern auch die Geschwindigkeit, mit der neue Lösungen entwickelt und ausgeliefert werden. Es verwundert also nicht, dass mit der Ausbreitung von DevOps auch neue Tools und Ausbildungsrichtungen entstanden sind, welche die Popularität noch einmal zusätzlich befeuert haben. Wo die weitere Entwicklung hingeht, zeigt der folgende Ausblick auf die fünf wichtigsten DevOps-Trends 2019.

Im letzten Monat hat OpenAI sein autonomes Texterstellungsmodell GPT-2 vorgestellt. Als Gegenbewegung hat nun ein kleines Forschungsteam ein Tool zur Erkennung künstlicher Texte entwickelt. Das Wettrüsten der Maschinen hat begonnen.

TensorFlow Privacy soll modernes Machine Learning mit dem Schutz sensibler Daten verbinden. Die neue TensorFlow-Library nutzt differentielle Privatsphäre und steht frei zur Nutzung bereit.

TensorFlow 2.0 soll leichter zu benutzen sein, dafür wird Eager Execution zum Standard. In der neuen Version des Machine-Learning-Frameworks werden die APIs aufgeräumt und Keras steht im Zentrum der Entwicklung von ML-Modellen.

Wie sollte sich Java weiterentwickeln? Was bedeutet die beschleunigte Release-Frequenz für die Community? Wie sind Trends wie Blockchain, Machine Learning, Serverless zu bewerten? Eine Einschätzung gibt Dr. Heinz Kabutz, Java-Performance-Experte und Trainer auf dem Extreme Java Camp, im Interview.

Flexera veröffentlicht die Ergebnisse des State of the Cloud Reports 2019. Die Umfrage unter 786 Anwendern bietet weitreichende Einblicke in die globale Cloud-Nutzung. Schauen wir uns an, was in der Welt der Wolken aktuell passiert.

TensorFlow 1.13.1 wurde veröffentlicht. TensorFlow Lite gehört nun zum Kern des Frameworks. Außerdem wurde ein experimentelles Java-API für die Injection von TensorFlow Lite Delegates hinzugefügt.

Pyro ist eine Programmiersprache für tiefe probabilistische Programmierung. Sie ist nun das neueste Inkubationsprojekt der LF Deep Learning Foundation.