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.

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.

Android 9 Pie ist raus und hat viel Machine Learning im Gepäck, was Smartphones noch smarter machen soll. In diesem Planet Android zeigen wir, was das für Nutzer bedeutet. Auch Android X steht diese Woche im Rampenlicht, das sich nun endlich von der Plattform lösen konnte. Außerdem gibt es erste Bilder vom Google Pixel 3 XL mit neuem Notch und wir werfen einen Blick auf einen Smartphone-Halter aus der Welt der Haute Couture.

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.

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.

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.

Eigentlich wäre dies genau der Ort, um über Fußball und das Ausscheiden „der Mannschaft“ zu sprechen. Das sparen wir uns allerdings – stattdessen schauen wir auf das Positive: Das Simultaneous Release Eclipse Photon ist erfolgreich durchgeführt worden, Werner Vogels stellte Amazon SageMaker vor und eine neue Ausgabe der Golumne ist auf JAXenter erschienen. Ist alles doch irgendwie auch spannender als Fußball, oder?!

Auf der derzeit stattfindenden Machine Learning Conference in München sind die Themen Künstliche Intelligenz und Maschinelles Lernen natürlich im Fokus. Auf der W-JAX 2017 gab es allerdings auch den ein oder anderen Talk aus dem Themengebiet: Kai Wähner, Technology Evangelist bei Confluent, zeigte in seiner Session, wie Deep-Learning-Modelle in Unternehmen genutzt werden können.

Noch müssen Menschen in den meisten Fällen den Maschinen Daten und deren Interpretation beibringen. Mit der Webanwendung Datalore wollen die Entwickler von JetBrains diesen Schritt zumindest ein wenig vereinfachen. Die Anwendung ist seit Februar in der offenen Beta verfügbar und soll das Erstellen von Berechnungen einfach und kollaborativ machen. Dabei wird unter anderem auf intelligente Vorschläge und inkrementelle Kalkulation gesetzt.

Wird Skynet bald die Kontrolle über die Menschheit übernehmen? Werden die Roboter von Boston Dynamics uns versklaven? Das ist wohl (noch) Zukunftsmusik. Doch das Thema Machine Learning nimmt zunehmend fahrt auf und immer mehr Entwickler beschäftigen sich bereits mit den Möglichkeiten, die „ML“ mit sich bringt. Sie auch?

Mit Kubeflow sollen TensorFlow-Modelle von ihrer Umgebung unabhängig werden. Egal, ob Server, lokal oder in der Cloud, mit Kubeflow soll TensorFlow überall laufen, wo schon Kubernetes läuft. Die Implementierung soll zudem denkbar einfach sein, lediglich ksonnet ab Version 0.9.2 und – natürlich – Kubernetes ab Version 1.8 werden vorausgesetzt.

Über künstliche Intelligenz lassen sich hervorragend mathematisch komplizierte Lehrbücher veröffentlichen. Das von Vahid Mirjalili und Sebastian Raschka bei Packt Publishing herausgegebene und von mitp übersetzte Lehrbuch möchte mathematische Inhalte in den Hintergrund stellen und stattdessen zeigen, wie man mittels Framework unbürokratisch Systeme realisiert.

Wir sind zurück mit einem neuen Trivia-Quiz für Entwickler! Diese Woche testen wir euer Wissen über Deeplearning4j. Wisst ihr alles, was es über diese Machine-Learning-Bibliothek für die Java Virtual Machine zu wissen gibt?

Google arbeitet weiter fleißig an TensorFlow und hatte am 30. März zum Developer Summit nach Mountain View geladen. Neben einer Rückschau auf Erreichtes gab es einige Neuerungen zu bestaunen. Außerdem setzt Google weiter auf mehr Zusammenarbeit in der Community und mehr Austausch.

Es ist soweit, das neue Java Magazin ist da. Wir tauchen ein in die Welt des Maschinellen Lernens. Maschinelles Lernen hat nichts mit Java zu tun, könnten Sie vielleicht jetzt denken. Stimmt nicht ganz. Zwar wird Python als die Sprache für ML gehandelt, doch auch mit Java lässt sich einiges anstellen. Schauen wir uns beispielsweise an, wie TensorFlow mit Java funktioniert oder was es mit deeplearning4j auf sich hat.

TensorFlow 1.7 ist erschienen und die Machine-Learning-Bibliothek bringt neben mehreren neuen Features auch diverse Bugfixes. Obwohl das letzte Release nicht einmal ganz einen Monat her ist, gibt es in TensorFlow 1.7 eine ganz besonders weitreichende Neuerung – was zeigt, wie schnell sich derzeit der gesamte Bereich rund ums Machine Learning entwickelt.