<div class="raw-html-embed"><a href="https://staempflirecht.ch/studium">JUS-Studium? Das Fachwissen von Expertinnen und Experten des Schweizer Rechts – griffbereit!</a></div>

Über uns

À propos de nous

Nachhaltigkeit

Durabilité

Open Access

Karriere

Carrière

Aboverträge Kündigen

Résiliation d’abonnement

Vertrag widerrufen

Résiliation de contrat 

Datenschutz

Protection des données

Impressum

Mentions légales

Barrierefreiheit

Accessibilité

Zahlung und Lieferung

Paiement et livraison

Libra

Was ist Libra?

C'est quoi Libra ?

Kostenlos testen

Tester gratuitement

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

Aktienrecht

Droit des sociétés anonymes

Publikationen

Publications

Literatur

Digitales Angebot

Bücher

Livres

Buchreihen

Collections

Onlinemodule LEXIA

Modules en ligne LEXIA

recht.ch

Studienliteratur

Littérature pour les études

Swisslex

Dienstleistungen

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

Open Access Policy

Verlag

Éditions

Themen

Mehr wissen

Mitarbeitende

Collaborateurs

Geschichte

Histoire

Unser Magazin

Notre magazine

Vision und Mission

Vision et mission

Partner

Partenaires

Unternehmenskultur

Culture d'entreprise

Kontakt

Contact

Shop

Schweizer Recht

Ausländisches Recht

Über unseren Shop

Neuerscheinungen

Nouveautés

Sortiment & Suche

Catalogue & Recherche

Vorankündigungen

À paraître

Nach Rechtsgebiet

Par domaine juridique

Kommentare

Commentaires

Gesamtkatalog

Catalogue complet

Fachkatalog Recht

Catalogue de droit

Asiedu W: Mastering PyQt

Mastering PyQt

Build Fast, Modern Applications with Python

The Large Language Model Recipes book is a comprehensive, practical guide designed to help developers, data scientists, and AI engineers navigate the rapidly evolving landscape of Large Language Models (LLMs). Moving beyond theory, this book provides a hands-on, recipe-based approach to mastering the entire LLMs lifecycle, from selecting the right open-source model to fine-tuning it on custom data and deploying it for production at scale.
Starting with the fundamentals of setting up a robust development environment, the book guides you through the critical decisions of model selection (Llama, Mistral, Falcon) and data preparation. It offers deep dives into advanced training techniques, including full fine-tuning, instruction tuning, and parameter-efficient methods like LoRA and QLoRA that make training accessible on consumer hardware.
The book doesn't stop at training. It tackles the crucial "last mile" of AI development: deployment and optimization. You will learn how to shrink models with quantization, serve them with high-throughput engines like vLLM and TGI, and evaluate their performance using industry-standard benchmarks. Finally, it explores cutting-edge frontiers, including Retrieval-Augmented Generation (RAG) for grounding models in real-time data, building multimodal vision-language applications, and designing autonomous AI agents.
Whether you are building a specialized chatbot, a code assistant, or a complex reasoning agent, this book provides the tested recipes and code you need to develop efficient, scalable, and robust AI solutions today.
 
What you will learn:
<ul>
<li>Design production-ready LLM systems using the Feature/Training/Inference (FTI) framework 

</li><li>Apply advanced fine-tuning methods, including LoRA and QLoRA, for efficient model adaptation 

</li><li>Build and optimize RAG pipelines with effective retrieval strategies and vector databases 

</li><li>Deploy optimized LLMs using quantization techniques and scalable inference frameworks 

</li><li>Develop multimodal and agentic AI applications with vision-language models and autonomous agents 



 
Who this book is for:

This book is ideal for software developers, machine learning engineers, data scientists, and technical researchers who want to move beyond using API endpoints and start
</li></ul>

The Large Language Model Recipes book 
 is a comprehensive, practical guide designed to help developers, data scientists, and AI engineers navigate the rapidly evolving landscape of Large Language Models (LLMs). Moving beyond theory, this book provides a hands-on, recipe-based approach to mastering the entire LLMs lifecycle, from selecting the right open-source model to fine-tuning it on custom data and deploying it for production at scale.
 Starting with the fundamentals of setting up a robust development environment, the book guides you through the critical decisions of model selection (Llama, Mistral, Falcon) and data preparation. It offers deep dives into advanced training techniques, including full fine-tuning, instruction tuning, and parameter-efficient methods like LoRA and QLoRA that make training accessible on consumer hardware.The book doesn't stop at training. It tackles the crucial "last mile" of AI development: deployment and optimization. You will learn how to shrink models with quantization, serve them with high-throughput engines like vLLM and TGI, and evaluate their performance using industry-standard benchmarks. Finally, it explores cutting-edge frontiers, including Retrieval-Augmented Generation (RAG) for grounding models in real-time data, building multimodal vision-language applications, and designing autonomous AI agents.Whether you are building a specialized chatbot, a code assistant, or a complex reasoning agent, this book provides the tested recipes and code you need to develop efficient, scalable, and robust AI solutions today.&nbsp;What you will learn:<ul><li>Design production-ready LLM systems using the Feature/Training/Inference (FTI) framework </li><li>Apply advanced fine-tuning methods, including LoRA and QLoRA, for efficient model adaptation </li><li>Build and optimize RAG pipelines with effective retrieval strategies and vector databases </li><li>Deploy optimized LLMs using quantization techniques and scalable inference frameworks </li><li>Develop multimodal and agentic AI applications with vision-language models and autonomous agents </li></ul>&nbsp;Who this book is for:This book is ideal for software developers, machine learning engineers, data scientists, and technical researchers who want to move beyond using API endpoints and start

A Hands-On Guide to Fine-Tuning, Optimization, Deployment, and Real-World Applications

Large Language Model Recipes

Haufe Fachbuch

Künstliche Intelligenz und Data Science verändern die Arbeitsweise im Controlling grundlegend. Das Buch von Florian Bliefert hilft, die Funktionsweise von KI zu verstehen, passende Tools auszuwählen und gezielt einzusetzen, eigene Anwendungsfälle umzusetzen und KI verantwortungsvoll zu nutzen.&nbsp;Anhand von Best Practices sowie typischer Fallstricke wird gezeigt, worauf bei der Einführung datengetriebener Methoden zu achten ist.
 
 Inhalte:
 
 <ul>
 <li>Wie Data Science und Machine Learning im Controlling zielgerichtet eingesetzt werden kann</li>
 <li>Wie Werkzeuge wie Excel, Python oder KNIME in typischen Controlling-Fällen konkret angewendet werden</li>
 <li>Was Sprachmodelle wie ChatGPT in der Analyse leisten - und was nicht</li>
 <li>Wie sich der Einsatz von KI-Agents auf Forecasting, Reporting und Analysen auswirken könnte</li>
 <li>Welche Best Practices und Fallstricke in der Einführung datengetriebener Arbeitsweisen zu beachten sind</li>
 </ul>

Methoden, Tools und Anwendungen

Künstliche Intelligenz und Data Science im Controlling verstehen und anwenden

Maker Innovations Series

Gain all the skills required to dive into the fundamentals of the Raspberry Pi hardware architecture and how data is stored in the Pi’s memory. This book provides you with working starting points for your own projects while you develop a working knowledge of Assembly Language programming on the Raspberry Pi.&nbsp;You'll learn how to interface to the Pi’s hardware including accessing the GPIO ports. The book covers the basics of code optimization as well as how to inter-operate with C and Python code, so you'll develop enough background to use the official ARM reference documentation for further projects.&nbsp;
 With
 Raspberry Pi Assembly Language Programming
 &nbsp;as your guide, you'll study how to read and reverse engineer machine code and then apply those new skills to study code examples and take control of your Pi’s hardware and software both.
 For this New EditionSince the original&nbsp;edition, the Raspberry Pi OS has moved to 64-bits. The operating system has been revamped along with several new versions of the Raspberry Pi hardware. The new edition is 64-bit, based on the latest Raspberry Pi OS and hardware, and incorporates reader feedback from the&nbsp;first edition.What You'll Learn<ul><li>Program basic ARM 64-Bit Assembly Language</li><li>Interface with the various hardware devices on the Raspberry Pi</li><li>Comprehend code containing Assembly Language</li><li>Use the official ARM reference documentation</li></ul>

Gain all the skills required to dive into the fundamentals of the Raspberry Pi hardware architecture and how data is stored in the Pi’s memory. This book provides you with working starting points for your own projects while you develop a working knowledge of Assembly Language programming on the Raspberry Pi.&nbsp;You'll learn how to interface to the Pi’s hardware including accessing the GPIO ports. The book covers the basics of code optimization as well as how to inter-operate with C and Python code, so you'll develop enough background to use the official ARM reference documentation for further projects.&nbsp;
 With
 Raspberry Pi Assembly Language Programming
 &nbsp;as your guide, you'll study how to read and reverse engineer machine code and then apply those new skills to study code examples and take control of your Pi’s hardware and software both.
 For this New EditionSince the original&nbsp;edition, the Raspberry Pi OS has moved to 64-bits. The operating system has been revamped along with several new versions of the Raspberry Pi hardware. The new edition is 64-bit, based on the latest Raspberry Pi OS and hardware, and incorporates reader feedback from the&nbsp;first edition.What You'll Learn<ul><li>Program basic ARM 64-Bit Assembly Language</li><li>Interface with the various hardware devices on the Raspberry Pi</li><li>Comprehend code containing Assembly Language</li><li>Use the official ARM reference documentation</li></ul>&nbsp;&nbsp;Who This Book Is ForCoders who have already learned to program in a higher-level language like Python, Java, C#, or C and now wish to learn Assembly Language programming.

ARM Processor Coding

Raspberry Pi Assembly Language Programming

This book is a hands-on guide designed to help readers understand, build, and deploy powerful AI solutions using Large Language Models (LLMs), Retrieval-Augmented Generation (RAG), agentic systems, and intelligent chatbots.

Starting with the fundamentals—LLM architecture, tokenization, APIs, and fine-tuning—the book gradually builds toward complex, integrated systems. Readers will learn to implement RAG pipelines using vector databases like FAISS and Pinecone, develop autonomous AI agents that complete multi-step tasks, and create real-world chatbots that understand and adapt to user needs. The approach is project-driven: each chapter includes visual explanations, step-by-step code walkthroughs, and deployment-ready examples. From building a personal assistant that searches your notes to creating a scheduling agent, every project reinforces both technical skills and applied understanding. It emphasizes clarity, inclusivity, and real-world relevance—helping readers move confidently from basic understanding to complex applications.

Whether you're exploring Agentic AI or looking to build production-ready systems, this book gives you the tools to turn curiosity into capability—and innovation into impact.

What you will learn:

Build intelligent chatbots and tools using LLMs like GPT, LLaMA, and Mistral with guided development steps.

Combine LLMs with vector databases like FAISS and Pinecone to create accurate, context-aware AI systems.

Design AI agents capable of planning and executing complex workflows for automation and decision-making.

Apply prompt engineering, memory, and multimodal tools to build real-world AI apps for your project portfolio.




Who this book is for:

Machine Learning engineers, data scientists, and AI professionals interested in learning how to build real-world AI systems using Large Language Models (LLMs), Retrieval-Augmented Generation (RAG), Agentic AI, and intelligent chatbots.

This book is a hands-on guide designed to help readers understand, build, and deploy powerful AI solutions using Large Language Models (LLMs), Retrieval-Augmented Generation (RAG), agentic systems, and intelligent chatbots.Starting with the fundamentals—LLM architecture, tokenization, APIs, and fine-tuning—the book gradually builds toward complex, integrated systems. Readers will learn to implement RAG pipelines using vector databases like FAISS and Pinecone, develop autonomous AI agents that complete multi-step tasks, and create real-world chatbots that understand and adapt to user needs. The approach is project-driven: each chapter includes visual explanations, step-by-step code walkthroughs, and deployment-ready examples. From building a personal assistant that searches your notes to creating a scheduling agent, every project reinforces both technical skills and applied understanding. It emphasizes clarity, inclusivity, and real-world relevance—helping readers move confidently from basic understanding to complex applications.Whether you're exploring Agentic AI or looking to build production-ready systems, this book gives you the tools to turn curiosity into capability—and innovation into impact.What you will learn:<ul><li>Build intelligent chatbots and tools using open-source LLMs like GPT, LLaMA, and Mistral with guided deployment steps.</li><li>Combine LLMs with vector databases like FAISS and Pinecone to create accurate, context-aware AI systems.</li><li>Design AI agents capable of planning and executing complex workflows for automation and decision-making.</li><li>Apply prompt engineering, memory, and multimodal tools to build real-world AI apps for your project portfolio.</li></ul>Who this book is for:Machine Learning engineers, data scientists, and AI professionals interested in learning how to build real-world AI systems using Large Language Models (LLMs), Retrieval-Augmented Generation (RAG), Agentic AI, and intelligent chatbots.

Architectures, Applications, and Real-World Deployments of Large Language Models

Mastering Large Language Models

This textbook covers essential topics in quantitative finance, including stochastic calculus, portfolio optimization (static and dynamic), and risk-neutral pricing. Combining financial theory with real-world applications, the book presents a step-by-step guide to modelling financial data in continuous time using R and Python. The side-by-side presentation of the two software languages allows readers to grasp the similarities and differences between the two codes, while guiding them through models calibrated with actual market data that illustrate the quantitative characteristics of optimal portfolios.
Reinforced with pedagogical features including accompanying online datasets and numerical exercises to understand stochastic processes, this textbook will be a valuable resource for postgraduate students on corporate finance, quantitative finance, portfolio and investment management, risk management and actuarial courses, as well as finance professionals undertaking quantitative modelling.

Numerical Applications in R and Python

Portfolio Management in Continuous Time

You've seen what Python can do. Now go deeper. This workbook transforms Al Sweigart’s best-selling guide from a reading experience into a coding experience. Following Automate the Boring Stuff with Python chapter by chapter, this workbook will help you turn concepts into muscle memory through carefully designed exercises, projects, and real Python scripts. Every concept from Automate is reinforced through carefully sequenced questions, exercises, and projects that help you think like a programmer and prove to yourself that you really get it. At the end of each chapter, you’ll tackle miniprojects that bring everything together. Whether you’re renaming files, scraping websites, converting text to speech, modifying spreadsheets, or sending emails, you’ll build scripts that do real work. Fun projects like image generators and word games are in the mix too, not just boring stuff. Every question and project come with a solution at the back of the book, so you’re never stuck. Inside, you’ll find: <ul><li> Fill-in-the-blank and short-answer questions that reinforce key concepts</li><li>Targeted exercises to build fluency with variables, loops, functions, regular expressions, and more</li><li>Real Python scripts to run, tweak, and debug</li><li>Projects that automate common tasks like organizing files, backing up data, and scheduling programs</li><li>Full working code for every project so you can check your work and learn by example</li></ul> With over 500,000 copies sold worldwide, Automate the Boring Stuff with Python has become the go-to guide for learning Python. This workbook gives you the structure, feedback, and smart reinforcement to go from reading code to writing it with confidence.

You've seen what Python can do. Now go deeper. This workbook transforms Al Sweigart’s best-selling guide from a reading experience into a coding experience. Following Automate the Boring Stuff with Python chapter by chapter, this workbook will help you turn concepts into muscle memory through carefully designed exercises, projects, and real Python scripts. Every concept from Automate is reinforced through carefully sequenced questions, exercises, and projects that help you think like a programmer and prove to yourself that you really get it. At the end of each chapter, you’ll tackle miniprojects that bring everything together. Whether you’re renaming files, scraping websites, converting text to speech, modifying spreadsheets, or sending emails, you’ll build scripts that do real work. Fun projects like image generators and word games are in the mix too, not just boring stuff. Every question and project come with a solution at the back of the book, so you’re never stuck. Inside, you’ll find: <ul><li> Fill-in-the-blank and short-answer questions that reinforce key concepts</li><li>Targeted exercises to build fluency with variables, loops, functions, regular expressions, and more</li><li>Real Python scripts to run, tweak, and debug</li><li>Projects that automate common tasks like organizing files, backing up data, and scheduling programs</li><li>Full working code for every project so you can check your work and learn by example</li></ul> With over 500,000 copies sold worldwide, Automate the Boring Stuff with Python has become the go-to guide for learning Python. This workbook gives you the structure, feedback, and smart reinforcement to go from reading code to writing it with confidence.

Projects and Exercises to Sharpen Your Python Skills

Automate the Boring Stuff with Python Workbook

- Vermittelt Konzepte moderner Game Engines, unabhängig von Unity, Unreal oder Godot
- Game Loop, Komponenten- und ECS-Architekturen systematisch verstehen
- Rendering-Pipeline, Physik, Animation und Audio aus der Engineering-Sicht
- Netzwerktechnik, Performance und Ressourcenmanagement fundiert beherrschen
- Nachvollziehbare Python-Codebeispiele auf jede Engine übertragbar
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches

Dieses Buch vermittelt fundiert und praxisnah die technischen Grundlagen moderner Game Engines aus architektonischer ebenso wie aus softwaretechnischer Perspektive.
Sie entwickeln ein systematisches Verständnis zentraler Konzepte wie Komponentenarchitektur, Game Loop, Rendering-Pipelines, Physik-Simulation, Zustandsmodelle, Animationssysteme, Audio-Integration und Netzwerkarchitekturen.
Der Schwerpunkt liegt dabei nicht auf einer einzelnen Engine, sondern auf den zugrunde liegenden Prinzipien, Entwurfsmustern und technischen Zusammenhängen, die professionelle Game-Engine-Systeme auszeichnen. Zahlreiche leicht nachvollziehbare Codebeispiele in Python und PyGame machen die Konzepte leicht greifbar und ermöglichen es Ihnen, zentrale Mechanismen zu verstehen und auf jede Engine zu übertragen.
Das Buch richtet sich an Studierende der Informatik, angehende Spieleentwicklerinnen und -entwickler sowie technisch interessierte Softwareentwicklerinnen und -entwickler, die die Architektur und Funktionsweise moderner Game Engines wirklich verstehen möchten.

AUS DEM INHALT //
- Architektur- und Komponentenmodelle moderner Game Engines
- Game Loop, Ereignisverarbeitung und Systemintegration
- Rendering-Grundlagen und Pipeline-Modelle
- Physik-Simulation und Kollisionserkennung
- Zustandsmodelle und Gameplay-Logik
- Animation und Audiosysteme
- Netzwerkarchitekturen und Multiplayer-Grundlagen
- Ressourcenmanagement und Performance-Optimierung
- Algorithmen in der Spieleentwicklung
- Softwaretechnische Prinzipien im Engine-Design

- Vermittelt Konzepte moderner Game Engines, unabhängig von Unity, Unreal oder Godot
- Game Loop, Komponenten- und ECS-Architekturen systematisch verstehen
- Rendering-Pipeline, Physik, Animation und Audio aus der Engineering-Sicht
- Netzwerktechnik, Performance und Ressourcenmanagement fundiert beherrschen
- Nachvollziehbare Python-Codebeispiele auf jede Engine übertragbar
- Ihr exklusiver Vorteil: E-Book inside beim Kauf des gedruckten Buches

Dieses Buch vermittelt fundiert und praxisnah die technischen Grundlagen moderner Game Engines aus architektonischer ebenso wie aus softwaretechnischer Perspektive.
Sie entwickeln ein systematisches Verständnis zentraler Konzepte wie Komponentenarchitektur, Game Loop, Rendering-Pipelines, Physik-Simulation, Zustandsmodelle, Animationssysteme, Audio-Integration und Netzwerkarchitekturen.
Der Schwerpunkt liegt dabei nicht auf einer einzelnen Engine, sondern auf den zugrunde liegenden Prinzipien, Entwurfsmustern und technischen Zusammenhängen, die professionelle Game-Engine-Systeme auszeichnen. Zahlreiche leicht nachvollziehbare Codebeispiele in Python und PyGame machen die Konzepte leicht greifbar und ermöglichen es Ihnen, zentrale Mechanismen zu verstehen und auf jede Engine zu übertragen.
Das Buch richtet sich an Studierende der Informatik, angehende Spieleentwicklerinnen und -entwickler sowie technisch interessierte Softwareentwicklerinnen und -entwickler, die die Architektur und Funktionsweise moderner Game Engines wirklich verstehen möchten.

AUS DEM INHALT //
- Architektur- und Komponentenmodelle moderner Game Engines
- Game Loop, Ereignisverarbeitung und Systemintegration
- Rendering-Grundlagen und Pipeline-Modelle
- Physik-Simulation und Kollisionserkennung
- Zustandsmodelle und Gameplay-Logik
- Animation und Audiosysteme
- Netzwerkarchitekturen und Multiplayer-Grundlagen
- Ressourcenmanagement und Performance-Optimierung
- Algorithmen in der Spieleentwicklung
- Softwaretechnische Prinzipien im Engine-Design

Grundlegende Konzepte und Techniken

Game Engineering

... für Dummies

Python entdecken - Das Abenteuer beginnt hier! Aus dem Dschungel der Programmiersprachen sticht Python durch seine elegante und schlichte Syntax hervor. Lernen Sie sie in einem Crashkurs kennen und erfahren Sie, wie man Programme mit Funktionen, Objekten und Modulen strukturiert. Es erwarten Sie jede Menge Tipps und Tricks zur Datenverarbeitung, Ablaufsteuerung und Fehlerbehandlung. Sie erfahren, wie man Programme testet, entwickeln ein Nachrichtenprotokoll fürs Netzwerk und probieren die visuelle Datenanalyse aus. Erstellen Sie Programme mit GUI und durchforsten Sie das Netz nach interessanten Daten. Starten Sie jetzt ins Abenteuer! Sie erfahren <ul><li>Wie Sie mit Python interessante Probleme lösen</li> <li>Wie Sie Programme mit Funktionen, Klassen und Modulen strukturieren</li> <li>Wie Sie das Internet nach Daten durchforsten und Webseiten mit Django erstellen</li></ul>

Python programmieren lernen lohnt sich. Es ist eine moderne sich ständig weiterentwickelnde Programmiersprache. Dieses Buch hilft Ihnen, wenn Sie Python von der Pike auf lernen wollen, aber auch mehr als nur die Grundlagen verstehen wollen. Johannes Hofmeister erklärt Ihnen Grundlagen wie Syntax, Module und Basic-Funktionen und schreitet dann zu fort zu höheren Konzepten wie Funktionen und Objekte. Er zeigt Ihnen auch, wie Sie diese testen können, um fehlerfrei Software zu schreiben. Danach widmet sich der Autor Internettechnologien wie E-Mail, Apis und Browsing und erklärt Ihnen, wie Sie mit Django eine Webanwendung bauen. Sie erfahren, wie Sie mithilfe von Python komplexe Datensätze analysieren und zuletzt beweist Ihnen der Autor, wie vielseitig nutzbar Python ist.

Python Alles-in-einem-Band für Dummies

mitp Professional

<ul><li>KI-Programmierung leicht gemacht - praktische Projekte ohne überflüssige Mathematik</li>
<li>Einsatz mächtiger Bibliotheken wie TensorFlow, SpaCy und music21 - auch ohne Vorkenntnisse in Python</li>
<li>Mit Programmieraufgaben, Bildern zur Veranschaulichung, Übungsfragen und vielen Anregungen zum Ausprobieren</li></ul>


Starte direkt mit echten KI-Projekten
Mit diesem Buch startest du direkt durch: Du lernst künstliche Intelligenz, indem du selbst programmierst - praxisnah, kreativ und verständlich. Schritt für Schritt entwickelst du spannende KI-Anwendungen mit wenigen Codezeilen: vom Chatbot über Bilderkennung bis hin zur Musik- und Bildgenerierung. Du experimentierst mit maschinellem Lernen und verstehst, wie lernende Systeme wirklich funktionieren. Alles, was du brauchst, sind grundlegende Programmierkenntnisse.

Alles dabei - von den Python-Grundlagen bis zu modernen KI-Bibliotheken
Dank klarer Erklärungen und anschaulicher Beispiele findest du dich auch als Einsteiger schnell zurecht. Du lernst alle wichtigen Techniken kennen und setzt sie direkt um - von einfachen Klassifikationsmodellen bis hin zu generativer KI mit GANs, RNNs und Diffusionsmodellen. Dabei nutzt du professionelle Bibliotheken wie NumPy, TensorFlow, Matplotlib, SpaCy und music21.

Programmieren, verstehen, experimentieren
Jedes Kapitel lädt zum Mitmachen ein - mit abwechslungsreichen Aufgaben, anschaulichen Abbildungen und vielen Ideen zum Ausprobieren. Du lernst, wie du KIs mit eigenen Daten trainierst oder Daten aus dem Internet nutzt, um spannende Anwendungen zu entwickeln. Die Programme kannst du entweder lokal auf deinem Rechner umsetzen oder du arbeitest im Browser mit Google Colab.

Aus dem Inhalt:
<ul><li>Grundlagen der künstlichen Intelligenz</li>
<li>Generative und diskriminierende KI</li>
<li>KI programmieren mit Python-Bibliotheken:
<ul><li>NumPy</li>
<li>Matplotlib</li>
<li>TensorFlow</li>
<li>SpaCy</li>
<li>music21</li></ul>
</li><li>Sprachmodelle und Natural Language Processing</li>
<li>Überwachtes, unüberwachtes und Verstärkungslernen</li>
<li>Künstliche neuronale Netze</li>
<li>Bildgenerierung mit GAN und CNN</li>
<li>Text erzeugen mit RNN und LSTM</li>
<li>Musik komponieren mit music21</li>
<li>Zahlreiche Aufgaben mit Lösungen</li>
</ul>

<ul><li>KI-Programmierung leicht gemacht - praktische Projekte ohne überflüssige Mathematik</li><li>Einsatz mächtiger Bibliotheken wie TensorFlow, SpaCy und music21 - auch ohne Vorkenntnisse in Python</li><li>Mit Programmieraufgaben, Bildern zur Veranschaulichung, Übungsfragen und vielen Anregungen zum Ausprobieren</li></ul>Starte direkt mit echten KI-ProjektenMit diesem Buch startest du direkt durch: Du lernst künstliche Intelligenz, indem du selbst programmierst - praxisnah, kreativ und verständlich. Schritt für Schritt entwickelst du spannende KI-Anwendungen mit wenigen Codezeilen: vom Chatbot über Bilderkennung bis hin zur Musik- und Bildgenerierung. Du experimentierst mit maschinellem Lernen und verstehst, wie lernende Systeme wirklich funktionieren. Alles, was du brauchst, sind grundlegende Programmierkenntnisse.Alles dabei - von den Python-Grundlagen bis zu modernen KI-BibliothekenDank klarer Erklärungen und anschaulicher Beispiele findest du dich auch als Einsteiger schnell zurecht. Du lernst alle wichtigen Techniken kennen und setzt sie direkt um - von einfachen Klassifikationsmodellen bis hin zu generativer KI mit GANs, RNNs und Diffusionsmodellen. Dabei nutzt du professionelle Bibliotheken wie NumPy, TensorFlow, Matplotlib, SpaCy und music21.Programmieren, verstehen, experimentierenJedes Kapitel lädt zum Mitmachen ein - mit abwechslungsreichen Aufgaben, anschaulichen Abbildungen und vielen Ideen zum Ausprobieren. Du lernst, wie du KIs mit eigenen Daten trainierst oder Daten aus dem Internet nutzt, um spannende Anwendungen zu entwickeln. Die Programme kannst du entweder lokal auf deinem Rechner umsetzen oder du arbeitest im Browser mit Google Colab.Aus dem Inhalt:<ul><li>Grundlagen der künstlichen Intelligenz</li><li>Generative und diskriminierende KI</li><li>
 KI programmieren mit Python-Bibliotheken:

 <ul><li>NumPy</li><li>Matplotlib</li><li>TensorFlow</li><li>SpaCy</li><li>music21</li></ul></li><li>Sprachmodelle und Natural Language Processing</li><li>Überwachtes, unüberwachtes und Verstärkungslernen</li><li>Künstliche neuronale Netze</li><li>Bildgenerierung mit GAN und CNN</li><li>Text erzeugen mit RNN und LSTM</li><li>Musik komponieren mit music21</li><li>Zahlreiche Aufgaben mit Lösungen</li></ul>

Dein einfacher Einstieg - Generative KI, Chatbots, Objekterkennung & Co

KI-Projekte mit Python

This book equips AI developers, machine learning engineers, and software architects with the knowledge and tools needed to design, build, and deploy scalable autonomous agents. Beginning with foundational concepts in LLMs and agent architectures, the book transitions into hands-on design patterns and real-world implementation guidance. Readers will follow practical Python examples using cutting-edge frameworks like LangChain and AutoGen, with full reproducible code available on GitHub.
Emphasizing engineering essentials scalability, interoperability, observability, and ethics the book dives into multi-agent coordination, including emerging protocols such as MCP and A2A. It wraps up with compelling case studies from customer service bots to multi-agent analytics systems demonstrating how to build secure, stable, and trust-aligned AI agents. This guide bridges theory with practice for the modern AI practitioner.
You Will:
<ul>
<li>Discover reusable patterns such as reactors, planners, and tool-using agents that power effective autonomous systems.</li>
<li>Learn to build agents using Python with popular frameworks like LangChain and AutoGen, complete with reproducible GitHub code.</li>
<li>Dive into cutting-edge coordination mechanisms (e.g., MCP, A2A) that enable agents to collaborate and assign tasks dynamically.</li>
</ul>
&nbsp;
This book is for : Software Architects &amp; System Designers
&nbsp;

This book equips AI developers, machine learning engineers, and software architects with the knowledge and tools needed to design, build, and deploy scalable autonomous agents. Beginning with foundational concepts in LLMs and agent architectures, the book transitions into hands-on design patterns and real-world implementation guidance. Readers will follow practical Python examples using cutting-edge frameworks like LangChain and AutoGen, with full reproducible code available on GitHub.Emphasizing engineering essentials scalability, interoperability, observability, and ethics the book dives into multi-agent coordination, including emerging protocols such as MCP and A2A. It wraps up with compelling case studies from customer service bots to multi-agent analytics systems demonstrating how to build secure, stable, and trust-aligned AI agents. This guide bridges theory with practice for the modern AI practitioner.You Will:<ul><li>Discover reusable patterns such as reactors, planners, and tool-using agents that power effective autonomous systems.</li><li>Learn to build agents using Python with popular frameworks like LangChain and AutoGen, complete with reproducible GitHub code.</li><li>Dive into cutting-edge coordination mechanisms (e.g., MCP, A2A) that enable agents to collaborate and assign tasks dynamically.</li></ul>&nbsp;This book is for : Software Architects &amp; System Designers&nbsp;

Architecting Scalable, Ethical, and Trustworthy Systems for Enterprise

Agentic AI Systems in Practice

Schule für Mathematik, Informatik, Logistik und Erfolg

In diesem Buch der SMILE-Reihe werden mathematische Grundlagen und deren Beweise für die konkreten Anwendungen im SMILE- Kompaktband dargestellt. Aus diesem Grund ist die inhaltliche Struktur an die des Kompaktbandes ausgerichtet.Im Kapitel „Grundlagen“ werden Logik und Mengenlehre als Basis für mathematische Aussagen und Beweise behandelt. Darauf aufbauend zeigt das Kapitel „Wareneingangskontrolle“ die mathematische Grundlage der Fehlercodeübertragung durch Teilen mit Rest und vollständige Induktion zur Binärdarstellung. Chargen und Splits werden über freie Monoide algebraisch beschrieben. Im Praxisteil wird eine injektive Schnittstellenfunktion zwischen Logistik- und ERP-Systemen definiert. Für die Kühlguteinlagerung sind ganze Zahlen, deren Ordnung und Intervalle relevant. Äquivalenzrelationen helfen bei komplexer Bestandslagerung. Sortieralgorithmen wie Bubble-, Insertion-, Merge- und Bucket-Sort ordnen Lagerplatz-Tupel nach Kapazität mittels Permutationen.Im Kapitel „Python-GUI-Dialoge mit Tkinter“ wird ein Suchfeld zur Stammdatensuche vorgestellt, basierend auf dem Boyer-Moore-Horspool-Algorithmus. Palettenscans am I-Punkt nutzen Zufallsgeneratoren zur Fehlersimulation. Für Passwortnutzung werden Hash-Grundlagen erklärt. In einer DEMO wird eine Palette im zweidimensionalen Raum bewegt, wozu Vektorraum, Basis und Dimension erläutert werden. Die unverformte Bewegung führt zur bilinearen Algebra und zur Untersuchung von Orthogonalität per Skalarprodukt. Geometrische Konzepte wie Bogenmaß, π, Winkelsätze und trigonometrische Sätze dienen der Bewegungsdarstellung im Lager.Im letzten Kapitel steht die LKW-Disposition im Fokus, wobei Heuristiken zentral sind. Dafür sind Umrechnungen zwischen Einheiten wie Paletten und Kilogramm nötig. Das Zahlensystem von natürlichen bis reellen Zahlen wird vorgestellt, um mit Brüchen und Dezimalzahlen rechnen zu können.Der AutorDr. Sven Bodo Wirsing
 studierte Mathematik mit dem Nebenfach BWL (insbesondere Logistik) an der CAU zu Kiel und promovierte im Jahr 2005. Seither arbeitet er als IT-Berater für Logistik-Prozesse bei der Brandt &amp; Partner GmbH &amp; Co. KG und ist seit 2012 als Buchautor tätig.

In diesem Buch der SMILE-Reihe&nbsp;werden mathematische Grundlagen und deren Beweise für die konkreten Anwendungen im SMILE- Kompaktband dargestellt. Aus diesem Grund ist die inhaltliche Struktur an die des Kompaktbandes ausgerichtet.&nbsp;
&nbsp;
Logik und Mengenlehre werden im Kapitel 'Grundlagen' erörtert. Sie bilden die Grundlage der Mathematik zum Formulieren theoretischer Aussagen und durchführen zugehöriger Beweise. Im Kapitel 'Wareneingangskontrolle' werden darauf aufbauend die Grundlagen zur Fehlercodeübertragung und -zerlegung präsentiert. Teilen mit Rest beruht auf dem Maximumprinzip natürlicher Zahlen und ist die mathematische Basis dieser Anwendung, aus der per vollständiger Induktion ein Algorithmus zur Binärdarstellung abgeleitet wird. Was eine Charge und ein Split mathematisch sind, wird durch die algebraische Konstruktion sog. freier Monoide über einem Alphabet realisiert.&nbsp; Im Praxisteil wird basierend auf dem Chargen- und Splitalphabet eine injektive Schnittstellenfunktion zwischen Logistik- und ERP-System definiert. Für die 'Kühlguteinlagerung' benötigt man Temperaturen und Vergleichsprüfungen. Aus diesem Grund werden die mathematischen Konzepte der ganzen Zahlen inkl. deren Ordnung und Intervallzugehörigkeit vorgestellt. Äquivalenzrelationen und -klassen spielen nicht nur hier ein Rolle, sondern auch bei der komplexen Einlagerung von Beständen. Zum Sortieren nach Kapazität werden grundlegende Begriffe und Rechenregeln zu sog. Ordnungen eingeführt. Betrachtet man die Kapazitäten möglicher Lagerplätze zur Einlagerung als Tupel, können Umsortierungen mittels Permutationen dargestellt werden. Beispiele zu Sortieralgorithmen sind Bubble-Sort , Insertion-Sort , Merge-Sort und Bucket-Sort. Diese sortieren die erwähnten Tupel auf- oder absteigend, um einen Lagerplatz zur Einlagerung zu bestimmen.
&nbsp;
Im Kapitel 'Python-GUI-Dialoge mit Tkinter ' wird auf einigen Stammdatendialogen ein Suchfeld eingeblendet, mit dem der Benutzer eingegebene Worte in den angezeigten Stammdaten suchen kann. Aus diesem Grund ist der Boyer-Moore-Horspool- Algorithmus zur Stringsuche dargestellt. Am I-Punkt werden Paletten gescannt und auf Schwachstellen analysiert. Zu diesem Zweck werden Zufallsgeneratoren vorgestellt, um Fehler zu simulieren. Zur Verwendung von Passwörtern werden die Grundlagen des Hashens vorgestellt. Auf dem GUI-Dialog zur Einlagerung wird eine Palette in einer DEMO im zweidimensionalen Raum bewegt und eingelagert. Dazu werden Begriffe wie Vektorraum, Basis und Dimension erläutert. Daß sich die Palette bei der Bewegung in der Bildebene nicht verformt, ist ein Ausgangspunkt der bilinearen Algebra. Orthogonalitäten werden mittels des Skalarprodukts untersucht. Grundlegende geometrische Themen wie Bogenmaß, die Zahl π, Winkelsätze, der Satz von Pythagoras und der Kosinus- und Sinussatz werden zur Abbildung von Bewegung im Lagerbestand benötigt.
&nbsp;
Im letzten Kapitel werden die Grundlagen zur Disposition von LKWs vorgestellt. Für diese ist der Begriff der Heuristik von fundamentaler Bedeutung. Zu diesem Zweck ist ein Abschätzen und Umrechnen zwischen Einheiten (Stellplätze in Europaletten, Gewichte in Kilogramm) unerlässlich. An dieser Stelle ist der Aufbau des Zahlensystems von den natürlichen Zahlen bis hin zu den reellen Zahlen fundiert vorgestellt, um etwa mit Brüchen und Dezimalbrüchen rechnen zu können.&nbsp;

Algebra, Analysis und Zahlentheorie in der praktischen Anwendung

SMILE - Vertiefungsband Mathematik für die Logistik

This book is designed to help you master API development using the Django REST Framework (DRF). Written for seasoned developers, this book offers practical, hands-on guidance to becoming an expert in using DRF, providing in-depth coverage of the framework's features and best practices and their application in API development.The book will introduce you to and enable you to grasp advanced DRF topics such as authentication, permissions, throttling, caching, API versioning, and schema generation. Each chapter of the book focuses on a specific topic and introduces a standalone Django application that will ensure a structured and isolated learning experience for you. Real-world examples and step-by-step instructions provide a practical approach to building DRF APIs. The book also aids you in exploring customizing DRF for complex use cases, integrating third-party tools, and writing unit tests for secure, robust APIs. Special attention is given to working with multi-application Django projects, offering conventions to avoid conflicts and ensure clear API documentation.By the end of this book, you will have the skills to build secure, scalable, and maintainable APIs using DRF. Whether you're working on a startup, enterprise project, or personal venture, this book equips you with the knowledge and tools to create efficient, future-proof APIs.What You Will Learn<ul><li>How to manage and structure complex multi-application projects without conflicts, leveraging best practices</li><li>Optimizing API Performance and Implementing advanced techniques like throttling, caching, and efficient query handling to enhance API performance.</li><li>Use versioning, customization, and extensible patterns to create APIs that adapt to evolving business requirements</li></ul>

This book is designed to help you master API development using the Django REST Framework (DRF). Written for seasoned developers, this book offers practical, hands-on guidance to becoming an expert in using DRF, providing in-depth coverage of the framework's features and best practices and their application in API development.The book will introduce you to and enable you to grasp advanced DRF topics such as authentication, permissions, throttling, caching, API versioning, and schema generation. Each chapter of the book focuses on a specific topic and introduces a standalone Django application that will ensure a structured and isolated learning experience for you. Real-world examples and step-by-step instructions provide a practical approach to building DRF APIs. The book also aids you in exploring customizing DRF for complex use cases, integrating third-party tools, and writing unit tests for secure, robust APIs. Special attention is given to working with multi-application Django projects, offering conventions to avoid conflicts and ensure clear API documentation.By the end of this book, you will have the skills to build secure, scalable, and maintainable APIs using DRF. Whether you're working on a startup, enterprise project, or personal venture, this book equips you with the knowledge and tools to create efficient, future-proof APIs.What You Will Learn<ul><li>How to&nbsp;manage and structure complex multi-application projects without conflicts, leveraging best practices</li><li>Optimizing&nbsp;API Performance and&nbsp;Implementing advanced techniques like throttling, caching, and efficient query handling to enhance API performance.</li><li>Use versioning, customization, and extensible patterns to create APIs that adapt to evolving business requirements</li></ul>&nbsp;Who Is This Book For:Web developers, front-end engineers, full stack engineers, API documentation specialists, technical leads

Simplifying API Development with Django

Django REST APIs Demystified

Mastering PyQt

Weitere Titel zum Thema