<div class="raw-html-embed"> Newsletteraktion: Abonnieren Sie jetzt unseren Newsletter und sichern Sie sich bis zum 8. August 2025 10% Rabatt auf Ihre Onlinebestellungen. <a href="/newsletter">Infos und Anmeldung.</a></div>

NL_Doormat: Hintergrundfarbe des Newsletter Banners unten in der Doormat. Mit # eingeben z.B. #1405BE

NL_Doormat: Verlinkung zur Newsletter Seite

Über uns

À propos de nous

Nachhaltigkeit

Durabilité

Open Access

Karriere

Carrière

Datenschutz

Protection des données

Impressum

Mentions légales

Zahlung und Lieferung

Paiement et livraison

LEXIA

LEXIA Arbeitsrecht

Was ist LEXIA?

C'est quoi LEXIA ?

LEXIA Familienrecht

Zeitschriften

Revues

recht

Pflegerecht

ZBJV

forumpoenale

ZStrR

Anwaltsrevue

Revue de l'avocat

RSAS

FamPra.ch

ASYL

Life Science Recht

BlAR

Sachbuch

Livres spécialisés

LOKI

Semaphor

Fokusthemen

Focus

Thema

Recht studieren

Arbeitsrecht

Droit du travail

Studium

Études

Familienrecht

Droit de la famille

Sozialversicherungsrecht

Droit des assurances sociales

Strafrecht

Droit pénal

Publikationen

Publications

Literatur

Onlinemodule LEXIA

Modules en ligne LEXIA

Bücher

Livres

Buchreihen

Collections

Datenbanken

recht.ch

Studienliteratur

Littérature pour les études

Services

Dienstleistungen für

Corporate Books

Publishing Lösungen

Aktuelles

Geschäftskunden

Professionnels

Corporate Publishing

Content solutions

Buchhandlungen

Librairies

Veranstaltungen

Événements

Presse

Dozierende

Enseignants

Studierende

Étudiants

Inserierende

Annonceurs

Newsletter

Blog

Autorinnen/Autoren

Auteurs

Unsere Schreibenden

Hilfe

Unsere Autorinnen und Autoren

Liste

Autorenlounge

Espace des auteurs

Bei uns publizieren

Publier chez nous

Autorenstimmen

Témoignages

Verlag

Éditions

Themen

Mehr wissen

Mitarbeitende

Collaborateurs

Geschichte

Histoire

Vision und Mission

Vision et mission

Unser Magazin

Notre magazine

Unternehmenskultur

Culture d'entreprise

Partner

Partenaires

Kontakt

Contact

Shop

Schweizer Recht

Ausländisches Recht

Über unseren Shop

Neuerscheinungen

Nouveautés

Sortiment und Funktionen

Assortiment et recherche

Vorankündigungen

À paraître

Nach Rechtsgebiet

Par domaine juridique

Kommentare

Commentaires

Karatas M: Eigene KI-Anwendungen
programmieren

Eigene KI-Anwendungen programmieren

Ihr Einstieg in die Programmierung mit KI. Ohne Vorkenntnisse, einfach mit Python – Ausgabe 2025

&nbsp;&nbsp;Materialien zum Buch ... 15 &nbsp;&nbsp;1.&nbsp;&nbsp;Einleitung ... 17 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1.1 ... Was bietet dieses Buch? ... 18 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1.2 ... Was ist eine »künstliche Intelligenz«? ... 19 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1.3 ... Geschichte der KI -- ein kurzer Überblick ... 21 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;1.4 ... Verwendete Werkzeuge ... 23 &nbsp;&nbsp;2.&nbsp;&nbsp;Installation von Anaconda ... 29 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;2.1 ... Windows und macOS ... 29 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;2.2 ... Linux ... 30 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;2.3 ... Konfiguration und Test ... 31 &nbsp;&nbsp;3.&nbsp;&nbsp;Das künstliche neuronale Netz ... 39 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.1 ... Klassifizierung ... 40 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.2 ... Das Kochrezept ... 42 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.3 ... Aufbau künstlicher neuronaler Netze ... 46 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.4 ... Aufbau eines künstlichen Neurons ... 48 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.5 ... Feed Forward ... 50 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.6 ... Backpropagation ... 52 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.7 ... Aktualisierung der Gewichte ... 55 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.8 ... KNN für Klassifizierung ... 58 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.9 ... Hyperparameter und Overfitting ... 66 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.10 ... Umgang mit nichtnumerischen Daten ... 69 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.11 ... Umgang mit Datenlücken ... 71 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.12 ... Korrelation versus Kausalität ... 73 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.13 ... Normierung der Daten ... 81 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.14 ... Regression ... 84 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.15 ... Deployment ... 87 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;3.16 ... Übungen ... 93 &nbsp;&nbsp;4.&nbsp;&nbsp;Entscheidungsbäume ... 95 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;4.1 ... Einfache Entscheidungsbäume ... 96 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;4.2 ... Boosting ... 108 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;4.3 ... XGBoost Regressor ... 118 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;4.4 ... Deployment ... 120 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;4.5 ... Übungen ... 121 &nbsp;&nbsp;5.&nbsp;&nbsp;Faltungsschichten, Bilder und mehr ... 123 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;5.1 ... Einfache Bildklassifizierung ... 125 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;5.2 ... Hyperparameter-Optimierung mit Early Stopping und KerasTuner ... 130 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;5.3 ... Convolutional Neural Network (CNN) ... 135 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;5.4 ... Bildklassifizierung mit CIFAR-10 ... 142 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;5.5 ... Verwendung vortrainierter Netze ... 146 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;5.6 ... Übungen ... 150 &nbsp;&nbsp;6.&nbsp;&nbsp;Transfer Learning ... 151 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;6.1 ... Funktionsweise ... 154 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;6.2 ... Übungen ... 161 &nbsp;&nbsp;7.&nbsp;&nbsp;Anomalieerkennung ... 163 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;7.1 ... Unausgewogene Daten ... 164 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;7.2 ... Resampling ... 169 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;7.3 ... Autoencoder ... 171 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;7.4 ... Übungen ... 178 &nbsp;&nbsp;8.&nbsp;&nbsp;Textklassifizierung ... 179 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;8.1 ... Embedding Layer ... 179 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;8.2 ... GlobalAveragePooling1D Layer ... 183 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;8.3 ... Text Vectorization ... 185 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;8.4 ... Analyse der Zusammenhänge ... 188 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;8.5 ... Klassifizierung großer Datenmengen ... 193 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;8.6 ... Übungen ... 196 &nbsp;&nbsp;9.&nbsp;&nbsp;Clusteranalyse ... 197 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;9.1 ... Grafische Analyse der Daten ... 198 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;9.2 ... Der Algorithmus k-Means-Clustering ... 203 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;9.3 ... Das fertige Programm ... 206 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;9.4 ... Übungen ... 209 10.&nbsp;&nbsp;Visuelle Programmierung mit Orange ... 211 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.1 ... Installation ... 211 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.2 ... Klassifizierung mit Entscheidungsbaum ... 213 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.3 ... Regression mit Entscheidungsbaum ... 220 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.4 ... Deployment ... 221 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.5 ... Klassifizierung mit KNN ... 223 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.6 ... Regression mit KNN ... 227 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.7 ... Bildklassifizierung mit XGBoost ... 229 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.8 ... Unüberwachte Klassifizierung von Bildern ... 230 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.9 ... Textklassifizierung mit XGBoost ... 234 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;10.10 ... Übungen ... 236 11.&nbsp;&nbsp;Visuelle Programmierung mit KNIME ... 239 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.1 ... Installation ... 240 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.2 ... Einfache künstliche neuronale Netze ... 245 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.3 ... XGBoost ... 267 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.4 ... Bildklassifizierung mit vortrainiertem Modell ... 271 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.5 ... Transfer Learning ... 277 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.6 ... Autoencoder ... 284 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.7 ... Textklassifizierung ... 292 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.8 ... AutoML ... 297 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.9 ... Clusteranalyse ... 301 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.10 ... Zeitreihenanalyse ... 306 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.11 ... Weitere Hinweise zu KNIME ... 322 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;11.12 ... Übungen ... 322 12.&nbsp;&nbsp;Reinforcement Learning ... 325 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;12.1 ... Q-Learning ... 327 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;12.2 ... Erforderliche Python-Kenntnisse für das Spiel ... 332 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;12.3 ... Training ... 337 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;12.4 ... Test ... 340 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;12.5 ... Ausblick ... 341 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;12.6 ... Übungen ... 342 13.&nbsp;&nbsp;Genetische Algorithmen ... 343 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;13.1 ... Der Algorithmus ... 344 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;13.2 ... Beispiel einer sortierten Liste ... 348 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;13.3 ... Beispiel für Gleichungssysteme ... 351 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;13.4 ... Beispielanwendung aus der Praxis ... 353 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;13.5 ... Übungen ... 357 14.&nbsp;&nbsp;ChatGPT und Gemini ... 359 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;14.1 ... Prompt Engineering ... 362 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;14.2 ... Programmierschnittstelle ... 375 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;14.3 ... Übung ... 392 15.&nbsp;&nbsp;DALL-E und Imagen ... 393 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;15.1 ... Bildgenerierung ... 394 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;15.2 ... Übung 1: API mit Moderation ... 402 16.&nbsp;&nbsp;Ausblick ... 403 &nbsp;&nbsp;Anhang ... 403 &nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;A ... Lösungen ... 405 
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;B ... Literaturhinweise ... 441 &nbsp;&nbsp;Index ... 443

Deep Fakes in den Nachrichten, Chatbots in der Beratung, Aufsätze schreiben mit ChatGPT? Diese Einführung behandelt zentrale Probleme der Technikethik: in Medizin, neuen Medien, Robotik und Künstlicher Intelligenz, Mensch-Maschine-Interaktion, Transhumanismus und Technikfolgenabschätzung. Verständlich und kompakt u. a. für Studierende der Philosophie sowie der Ingenieurswissenschaften.

Mensch – Maschine – Verantwortung

Einführung in die Technikethik

A Practical Guide Using Python

Classical Machine Learning

edition suhrkamp

Mit Programmen wie ChatGPT hat künstliche Intelligenz ein solches Niveau erreicht, dass es kaum noch möglich ist, zu erkennen, ob ein Text von einem Computer stammt oder von einem Menschen. 
 Können Sie mit Bestimmtheit ausschließen, dass diese Zeilen von einem Algorithmus verfasst wurden?
 
 
 
 Für die Rezeption von Geschriebenem bedeutet das eine Zeitenwende. Wenn wir stets unterstellen müssen, dass hinter einem Text KI steckt, ergibt die Unterscheidung natürlich/artifiziell keinen Sinn mehr - eine postartifizielle Ära bricht an. Hannes Bajohr erörtert, wie sich diese Verschiebung auf Zeitungsartikel oder wissenschaftliche Publikationen auswirkt und wie sie das literarische Lesen und Schreiben verändert.

Mit Programmen wie ChatGPT hat künstliche Intelligenz ein solches Niveau erreicht, dass es kaum noch möglich ist, zu erkennen, ob ein Text von einem Computer stammt oder von einem Menschen. 
 Können Sie mit Bestimmtheit ausschließen, dass diese Zeilen von einem Algorithmus verfasst wurden?Für die Rezeption von Geschriebenem bedeutet das eine Zeitenwende. Wenn wir stets unterstellen müssen, dass hinter einem Text KI steckt, ergibt die Unterscheidung natürlich/artifiziell keinen Sinn mehr – eine postartifizielle Ära bricht an. Hannes Bajohr erörtert, wie sich diese Verschiebung auf Zeitungsartikel oder wissenschaftliche Publikationen auswirkt und wie sie das literarische Lesen und Schreiben verändert.

Lesen im Zeitalter künstlicher Intelligenz

Postartifizielle Literatur

Die Vierte Kränkung. Der Mensch im Schatten der Künstlichen Intelligenz

Eine Einführung für Ingenieure und Informatiker

Quantenlogik

Dive into SQL Server 2025 and uncover its groundbreaking features—guided by one of its key architects. The 2025 release brings SQL Server firmly into the AI age, and this book ensures that you're ready for the leap, walking you through built-in AI for application development, AI-enhanced data analytics with Microsoft Fabric integration, and much more.
At every step of the way, you’ll gain exclusive insights from author Bob Ward, a Principal Architect for the Microsoft Azure Data team, who has worked on every version of SQL Server since OS/2 1.1. With more than 31 years at Microsoft, Ward brings unparalleled expertise and practical knowledge, leaving you and your database in excellent hands.
Ward covers the fundamentals of setup, upgrades, and configuration, and covers advanced features in security, performance, and high availability. He also highlights what makes this the most significant SQL Server release for developers in a decade: support for JSON, RegEx, REST APIs, and event streaming.
Most critically, Ward explores SQL Server 2025’s advanced, secure, and scalable AI integration. After a practical introduction to AI fundamentals to help you integrate artificial intelligence with your data, you’ll learn how to build AI-powered applications deeply integrated with the SQL engine—and elevate your analytics to the next level.
The AI age is here. Be sure your SQL Server databases are ready.
&nbsp;
What You Will Learn
·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp; &nbsp; &nbsp; &nbsp; &nbsp;Use new query processing capabilities to extend the performance of your application
·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; ·&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; Leverage new tools such as SQL Server Management Studio and Copilot experiences to assist your SQL Server journey
&nbsp;

The AI-Ready Enterprise Database with Microsoft Fabric Integration

SQL Server 2025 Unveiled

Digital Geographies

Global Digital Divides in the COVID-19 Era examines global digital divides prior to and during the pandemic, emphasizing internet and technology trends, spatial distributions, determinants, explanations, policy implications, and the aspiration of an equitable digital society. It analyzes purposeful use of the internet in the world and the majority of its major regions and countries. For digitally underserved economies, such as sub-Saharan Africa and parts of the Middle East, it is still appropriate to consider the traditional measures of technology access and use. In advanced economies, AI and machine learning are examined. This book identifies where deficits are located geographically, and also where the hot spots and cold spots are for levels of use and purposeful use of technologies. It points out the impacts of these technologies before and during the COVID-19 pandemic. For mature, inclusive, and equitable digital societies worldwide, attention has shifted from gaps in access to gaps in purposeful use of these technologies. For broadband, purposeful uses include e-commerce, e-health, e-entertainment, e-communication, e-education, and remote work. This book provides actual accounts of the digital divide challenges and successes in several case studies, such as the trailing usage of ICTs in Bolivia, the heightened purposeful use of e-commerce in Sweden and Denmark, and AI use in the US Silicon Valley. Finally, it recommends policies and steps that various national, state, and provincial governments can develop to narrow digital divides and improve the equity and inclusion of all their diverse citizens.

Purposeful Use of the Internet and Technologies

Global Digital Divides in the COVID-19 Era

Simplifying API Development with Django

Django REST APIs Demystified

Advanced and Intelligent Manufacturing in China

This book brings together the vast majority of the existing popular image processing algorithms, with the simple illustrated method to explain the complex theoretical algorithms; each algorithm is given a practical application case, which is one of the main features of the book.&nbsp; There are two parts in the book.&nbsp; The first part "Machine Vision Theory and Algorithms" includes machine vision, image processing, target extraction, edge detection, image smoothing, geometric parameter detection, Hough transform, geometric transform, monocular vision measurement, binocular vision measurement, motion image processing, Fourier transform, wavelet transform, pattern recognition, neural network, deep learning, and genetic algorithm.&nbsp; The second part "Machine Vision Application System" includes the universal image processing system ImageSys, two-dimensional motion image measurement and analysis system MIAS, three-dimensional motion measurement and analysis system MIAS3D, vehicle vision navigation system.&nbsp; The book is not only suitable for machine vision and image processing professional theory combined with practice teaching, for the related professional researchers and technicists also has an important reference value.

Machine Vision Technology

The Case of National Libraries

AI Innovations in Public Services

Grauer Kommentar

Zum Werk
Die Kommentierung bietet eine wissenschaftlich fundierte und tiefgehende sowie zugleich praxisbezogene Erläuterung der KI-VO. Diese stellt Rechtsanwenderinnen und Rechtsanwender als weltweit erstes Regelungsregime vor schwierige juristische sowie technische Fragen. Da sich Gerichte noch nicht zur Auslegung äußern konnten, bedarf es einer besonders intensiven, methodisch abgesicherten und Hilfestellung vermittelnden Befassung mit den neuen Rechtsvorschriften. Genau das bietet der "Heinze/Steinrötter/Zerdick" in verständlicher Art und Weise.

Vorteile auf einen Blick<ul><li>Lösungen für schwierige Anwendungsprobleme aus dem Bereich der Künstlichen Intelligenz,</li><li>verständliche, problemorientierte und systematische Darstellung,</li><li>unerlässliches Hilfsmittel in der täglichen Beratungsarbeit und der rechtswissenschaftlichen Forschung zum Recht der neuen Technologien,</li><li>Antworten ausgewiesener Experten auf sich bereits jetzt oder sehr bald stellende Rechtsfragen von Unternehmen, Behörden, Anwaltskanzleien und Wissenschaft</li></ul>
Zielgruppe
Für Praktikerinnen und Praktiker und Wissenschaftlerinnen und Wissenschaftler jeglicher Disziplinen, die sich mit dem Einsatz von KI befassen, für Unternehmen und deren Syndikusanwaltschaft, Rechtsanwaltschaft, Behördenreferentinnen und Behördenreferenten und Richterschaft.

Zum Werk Die Kommentierung bietet eine wissenschaftlich fundierte und tiefgehende sowie zugleich praxisbezogene Erläuterung der KI-VO. Diese stellt Rechtsanwenderinnen und Rechtsanwender als weltweit erstes Regelungsregime vor schwierige juristische sowie technische Fragen. Da sich Gerichte noch nicht zur Auslegung äußern konnten, bedarf es einer besonders intensiven, methodisch abgesicherten und Hilfestellung vermittelnden Befassung mit den neuen Rechtsvorschriften. Genau das bietet der "Heinze/Steinrötter/Zerdick" in verständlicher Art und Weise. Vorteile auf einen Blick<ul><li>Lösungen für schwierige Anwendungsprobleme aus dem Bereich der Künstlichen Intelligenz</li><li>verständliche, problemorientierte und systematische Darstellung</li><li>unerlässliches Hilfsmittel in der täglichen Beratungsarbeit und der rechtswissenschaftlichen Forschung zum Recht der neuen Technologien</li><li>Antworten ausgewiesener Experten auf sich bereits jetzt oder sehr bald stellende Rechtsfragen von Unternehmen, Behörden, Anwaltskanzleien und Wissenschaft</li></ul> Zielgruppe Für Praktikerinnen und Praktiker und Wissenschaftlerinnen und Wissenschaftler jeglicher Disziplinen, die sich mit dem Einsatz von KI befassen, für Unternehmen und deren Syndikusanwaltschaft, Rechtsanwaltschaft, Behördenreferentinnen und Behördenreferenten und Richterschaft.

Gesetz über künstliche Intelligenz. Kommentar

KI-VO

Precarious Futures&nbsp;explores the evolving and emerging relationship between crime and technology in an increasingly complex and interconnected world, along with its implications for new perceptions of crime and deviance. It evaluates the rise of the World Wide Web and the model of cybercrime, questions whether existing criminological thought offers relevance and efficacy in current circumstances, conditions and future predictions, and revisits the concept of Relative Deprivation and&nbsp;the underpinning social psychological and socio-political foundations of it. It argues that&nbsp;Relative Deprivation&nbsp;allied to post-industrial precarity provides a central platform for understanding crime and deviance in a hyper-connected and hyper-commercial neoliberal world.&nbsp;The book develops to explore current criminological and security conceptions of artificial intelligence, big data, crime and social control, as well as hacktivism, and how opportunities for crime have become ‘democratised’ and expanded through the Web. Drawing&nbsp;on empirical data, theoretical narratives and a review of the state of crime now and in a speculative near future, Hamerton and Webber discuss some potential directions for a new transdisciplinary critical criminology.&nbsp;Precarious Futures&nbsp;speaks to&nbsp;criminologists, sociologists and social theory scholars and students, as well as academics and professionals in associated technological fields such as cyber-security, computer science and web science.Christopher Hamerton&nbsp;is&nbsp;Deputy Director of the Institute of Criminal Justice Research at the&nbsp;University of Southampton, UK.Craig Webber&nbsp;is&nbsp;Head of the Department of Sociology, Social Policy and Criminology at the&nbsp;University of Southampton, UK.

Precarious Futures
 &nbsp;explores the evolving and emerging relationship between crime and technology in an increasingly complex and interconnected world, along with its implications for new perceptions of crime and deviance. It evaluates the rise of the World Wide Web and the model of cybercrime, questions whether existing criminological thought offers relevance and efficacy in current circumstances, conditions and future predictions, and revisits the concept of Relative Deprivation and&nbsp;the underpinning social psychological and socio-political foundations of it. It argues that&nbsp;Relative Deprivation&nbsp;allied to post-industrial precarity provides a central platform for understanding crime and deviance in a hyper-connected and hyper-commercial neoliberal world.&nbsp;The book develops to explore current criminological and security conceptions of artificial intelligence, big data, crime and social control, as well as hacktivism, and how opportunities for crime have become‘democratised’ and expanded through the Web. Drawing&nbsp;on empirical data, theoretical narratives and a review of the state of crime now and in a speculative near future, Hamerton and Webber discuss some potential directions for a new transdisciplinary critical criminology.&nbsp;
 Precarious Futures
 &nbsp;speaks to&nbsp;criminologists, sociologists and social theory scholars and students, as well as academics and professionals in associated technological fields such as cyber-security, computer science and web science.

Crime, Technology and the Web

Precarious Futures

Eigene KI-Anwendungen programmieren

Weitere Titel zum Thema