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

Unsere Funktionen

Nos fonctions

Vorankündigungen

À paraître

Nach Rechtsgebiet

Par domaine juridique

Kommentare

Commentaires

Gesamtkatalog

Catalogue complet

Voice-related Biomarkers

A comprehensive, up-to-date introduction to active inference and the free energy principle for an engineering-focused audience. Active inference, which uses machine learning to model brain function and behavior, emerged from decades of cross-disciplinary research in computational neuroscience, resulting in a vast literature but no unifying treatment. Filling this gap, Sanjeev Namjoshi provides comprehensive coverage of the foundational material needed to understand and navigate this fast-moving field from first principles. Using a simple, conversational style free of proofs, lemmas, and theorems, Namjoshi brings together theory and technical material in one self-contained text. The book begins with an explanation of the general statistical framework used in active inference models that describes the relationship between artificial agents and their environments. It then introduces fundamental concepts in machine learning and statistics and connects them to the active inference perspective. Featuring worked examples, simulations, and detailed walkthroughs of concepts, this user-friendly text aims to expand the readership of active inference to an engineering-focused audience.&nbsp; <ul><li>Provides a one-stop-shop for understanding the foundations and applications of active inference and the free energy principle </li><li>Makes a complex, interdisciplinary subject accessible to students and professionals beyond the neurosciences</li><li>Covers discrete and continuous state-space formulations of active inference as well as state-of-the-art extensions to base active inference methods</li><li>Features extensive appendices and supplemental resources</li></ul>

Principles, Algorithms, and Applications of the Free Energy Principle for Engineers

Fundamentals of Active Inference

Neue Gedächtnisübungen

Geistig fit ins Alter 3

Theoretical and Computational Chemistry

Methods and Applications

Introduction to Computational Chemistry

An authoritative deep dive into the most recent machine learning approaches to hyperspectral remote sensing image processing In Machine Learning-Based Hyperspectral Image Processing, distinguished researcher Dr. Bing Zhang delivers an up-to-date discussion of machine learning-based approaches to hyperspectral image analysis. The author comprehensively reviews machine learning approaches to hyperspectral image denoising and super-resolution tasks, offering coverage of a variety of perspectives. Dr. Zhang also explores the most recent research on machine learning hyperspectral unmixing methods and hyperspectral image classification. He explains the algorithms used for hyperspectral image target and change detection, as well. Readers will also find: <ul> <li>A thorough introduction to the novel concept of applying advanced machine learning techniques to the analysis of hyperspectral imagery</li> <li>Comprehensive explorations of the most recent developments in this technology and its applications</li> <li>Practical discussions of how to effectively process and extract valuable insights from hyperspectral data</li> <li>Complete treatments of a variety of hyperspectral remote sensing image processing tasks, including classification, target detection, and change detection.</li> </ul> Perfect for postgraduate students and research scientists with an interest in the subject, Machine Learning-Based Hyperspectral Image Processing will also benefit researchers, academicians, and students engaged in machine learning-based approaches to image analysis.

Machine Learning-Based Hyperspectral Image Processing

suhrkamp taschenbuch wissenschaft

David J. Chalmers liefert eine verblüffende Analyse unserer technologischen Zukunft. Er argumentiert, dass virtuelle Welten keine Welten zweiter Klasse sind, dass wir in ihnen ein sinnvolles Leben führen können – ja, uns vielleicht schon in einer Simulation befinden! Chalmers nutzt die Technologie der virtuellen Realität, um neue, erhellende Perspektiven auf altbekannte philosophische Fragen zu eröffnen. Woher wissen wir, dass es eine Außenwelt gibt? Gibt es einen Gott? Was ist die Natur der Realität? Was ist die Beziehung zwischen Geist und Körper? Gespickt mit gewitzt veranschaulichenden Illustrationen ist Realität+ ein Grundlagenwerk für die Diskussion über Philosophie, Wissenschaft und Technologie.

Virtuelle Welten und die Probleme der Philosophie

Realität+

Machine Learning For Dummies

In an era of escalating energy demands and environmental challenges, mastering the complexities of renewable power systems is essential. This open access book delivers a cutting-edge exploration of innovative modeling and control techniques tailored for the unique characteristics of renewable power systems. Designed for engineers, researchers, and sustainability advocates, this book addresses critical issues such as low inertia and high variability, offering a roadmap to ensure safe, stable, and efficient operation. This comprehensive guide introduces the fully actuated system approach, a groundbreaking method that redefines how we tackle the nonlinear dynamics inherent in renewable power systems. By presenting experimentally validated solutions on hardware microgrids, the book bridges the gap between theory and practice, making it an indispensable resource for professionals aiming to enhance system reliability and control efficiency. Key topics include predictive control for DC and AC systems, learning-based optimization, and resilience strategies against cyber threats, with advanced applications like blockchain integration for secure operations. Readers will gain actionable insights into modern control strategies, rigorous modeling techniques, and emerging technologies shaping the future of renewable power systems. Whether you’re developing advanced control technologies or navigating the challenges of modern power systems, this book equips you with the knowledge and tools to lead in the renewable energy revolution.

In an era of escalating energy demands and environmental challenges, mastering the complexities of renewable power systems is essential. This open access book delivers a cutting-edge exploration of innovative modeling and control techniques tailored for the unique characteristics of renewable power systems. Designed for engineers, researchers, and sustainability advocates, this book addresses critical issues such as low inertia and high variability, offering a roadmap to ensure safe, stable, and efficient operation. This comprehensive guide introduces the fully actuated system approach, a groundbreaking method that redefines how we tackle the nonlinear dynamics inherent in renewable power systems. By presenting experimentally validated solutions on hardware microgrids, the book bridges the gap between theory and practice, making it an indispensable resource for professionals aiming to enhance system reliability and control efficiency. Key topics include predictive control for DC and AC systems, learning-based optimization, and resilience strategies against cyber threats, with advanced applications like blockchain integration for secure operations. Readers will gain actionable insights into modern control strategies, rigorous modeling techniques, and emerging technologies shaping the future of renewable power systems. Whether you’re developing advanced control technologies or navigating the challenges of modern power systems, this book equips you with the knowledge and tools to lead in the renewable energy revolution.

A Fully Actuated System Approach

Control of Renewable Power Systems

Artificial Intelligence and Machine Learning for Safety-Critical Systems: A Comprehensive Guide provides engineers and system designers who are exploring the application of AI/ML methods for safety-critical systems with a dedicated resource capturing the challenges and mitigation strategies involved in designing such systems. Divided into nine sections, the book covers the most important applications of safety-critical systems, helping readers understand how related problems are being solved in different domains/problem settings. The goal of this book is to help ensure that AI-based critical systems better utilize resources, avoid failures, and increase system safety and public safety. The authors present ML techniques in safety-critical systems across multiple domains, including pattern recognition, image processing, edge computing, Internet of Things (IoT), encryption, hardware accelerators, and many others. These applications help readers understand the many challenges that need to be addressed in order to increase the deployment of ML models in critical systems. In addition, the book shows how to improve public trust in ML systems by providing explainable model outputs rather than treating the system as a black box for which the outputs are difficult to explain. Finally, the authors demonstrate how to meet legal certification and regulatory requirements for the appropriate ML models.

A Comprehensive Guide

Artificial Intelligence and Machine Learning for Safety-Critical Systems

Challenges and Applications of Generative Large Language Models

This book is a comprehensive guide that immerses you into the world of building and deploying AI-powered solutions. You are introduced to the core architecture of LLMs and equipped with essential Best Data Practices (BDPs) for utilizing Generative AI responsibly, ensuring ethical and efficient AI deployment.The book starts with the foundational aspects of Generative AI application development. You will learn the nuances of data handling in Generative AI apps, from working with embeddings to managing unstructured and structured data, and handling Personally Identifiable Information (PII) data. The exploration extends to understanding the differences between deterministic and LLM-based data synthesis and integrating Generative AI apps with enterprise data, providing you with practical insights into leveraging data effectively for intelligent applications. A chapter on prompt engineering explains the importance of prompts in AI interactions, covering a spectrum of techniques and pitfalls while offering exercises to enhance prompt engineering skills. As you progress through the book, you take a journey from conceptualization to production and deployment of Generative AI applications. You discover the essentials of Generative AI application development, gain insights into the pathway from ideation to production, and explore the intricacies of LLM selection and fine-tuning.The book equips you with the knowledge and tools necessary to navigate the complex terrain of AI development and deployment, making it an indispensable resource for AI enthusiasts, developers, and business leaders alike.What You Will Learn<ul><li>Know the core architecture of LLMs and how these models have revolutionized AI applications</li><li>Handle various data types, including unstructured, structured, and personally identifiable information (PII) data in Generative AI applications</li><li>Understand prompt engineering and its importance in AI interactions and applications</li><li>Understand modular design of Generative AI apps, essential backend and frontend components, and the unique principles guiding Generative AI app design</li></ul>&nbsp;&nbsp;

This book is a comprehensive guide that immerses you into the world of building and deploying AI-powered solutions. You are introduced to the core architecture of LLMs and equipped with essential Best Data Practices (BDPs) for utilizing Generative AI responsibly, ensuring ethical and efficient AI deployment.The book starts with the foundational aspects of Gehatnerative AI application development. You will learn the nuances of data handling in Generative AI apps, from working with embeddings to managing unstructured and structured data, and handling Personally Identifiable Information (PII) data. The exploration extends to understanding the differences between deterministic and LLM-based data synthesis and integrating Generative AI apps with enterprise data, providing you with practical insights into leveraging data effectively for intelligent applications. A chapter on prompt engineering explains the importance of prompts in AI interactions, covering a spectrum of techniques and pitfalls while offering exercises to enhance prompt engineering skills. As you progress through the book, you take a journey from conceptualization to production and deployment of Generative AI applications. You discover the essentials of Generative AI application development, gain insights into the pathway from ideation to production, and explore the intricacies of LLM selection and fine-tuning.The book equips you with the knowledge and tools necessary to navigate the complex terrain of AI development and deployment, making it an indispensable resource for AI enthusiasts, developers, and business leaders alike.&nbsp;What You Will Learn<ul><li>Know the core architecture of LLMs and how these models have revolutionized AI applications</li><li>Handle various data types, including unstructured, structured, and personally identifiable information (PII) data in Generative AI applications</li><li>Understand prompt engineering and its importance in AI interactions and applications</li><li>Understand modular design of Generative AI apps, essential backend and frontend components, and the unique principles guiding Generative AI app design</li></ul>&nbsp;Who This Book Is ForFrom AI enthusiasts exploring the field to software developers seeking practical insights, and business leaders looking to harness the power of AI for organizational growth and innovation&nbsp;&nbsp;

Building and Deploying Ethical AI-Powered Solutions

Practical Generative AI: From Concept to Deployment

Machine Learning und Künstliche Intelligenz sind mehr als nur Schlagworte – sie sind Schlüsseltechnologien, die unsere Wirtschaft und Gesellschaft nachhaltig verändern. Dennoch zögern viele Unternehmen, diese Potenziale zu nutzen. Woran liegt das? Häufig fehlt es an Know-how, Vertrauen und einem klaren Verständnis der Methoden und Einsatzmöglichkeiten.Dieses Buch vermittelt praxisnahes Know-how für Entscheider und Interessierte, die verstehen wollen, wie Machine Learning funktioniert und welchen Nutzen es für Unternehmen stiften kann. Mit der kostenlosen Programmiersprache Python als Werkzeug werden reale Business Cases wie Hauspreisprognosen (Regression), Kreditrisikobewertung (Klassifikation), Kundensegmentierung (Clustering), Cross-Selling (Empfehlungsmaschinen) und Dynamic Pricing (Bestärkendes Lernen) nachvollziehbar erklärt.Darüber hinaus werden Best Practices zur Datenvorverarbeitung sowie die grundlegende Methodik des Machine Learnings vorgestellt. So entsteht ein fundiertes Verständnis, das hilft, Vertrauen in die Technologie aufzubauen. Ein Buch für alle, die verstehen wollen, wie aus Daten echte Entscheidungen werden.Der Inhalt<ul><li>Nutzen von Machine Learning und KI</li><li>Best Practices</li><li>Python-Grundlagen</li><li>Erstellung von KI-Anwendungen</li><li>Anwendung von Machine Learning</li></ul>Der Autor Bernd Heesen ist Professor an der wirtschaftswissenschaftlichen Fakultät der Hochschule Ansbach in Bayern. Vor seiner Tätigkeit an der Hochschule war er mehr als 10 Jahre als Unternehmensberater im In- und Ausland tätig. Er berät Unternehmen auch weiterhin bezüglich der Nutzung von IT-Innovationen.

In einer VUCA-Welt, die immer unbeständiger, unsicherer und komplexer ist, gilt es zeitnah und faktenbasiert zu agieren. Neben den eigenen Erfahrungen der Vergangenheit gilt es ein umfassendes Verständnis der aktuellen Lage zu besitzen, Daten über die eigene Organisation ebenso wie den Markt bei der Entscheidungsfindung zu berücksichtigen und auch Methoden der Künstlichen Intelligenz und des Maschine Learnings einzusetzen.Die Konkurrenz schläft nicht und wer im Zeitalter der Digitalisierung nicht vertraut ist mit den Methoden und Möglichkeiten der Künstlichen Intelligenz, der ist vielleicht schon bald nicht mehr konkurrenzfähig.Die kostenlose (Open Source) Programmiersprache Python hat sich in Verbindung mit Bibliotheken wie TensorFlow, PyTorch und Scikit-Learn als eine der führenden Entwicklungsumgebungen in dem Bereich des Machine Learning etabliert.Dieses Buch vermittelt Ihnen auf Basis der zum Zeitpunkt der Publikation aktuellsten Version von Python, wie Sie Künstliche Intelligenz und Machine Learning nutzen können. Um die Anwendungsmöglichkeiten besser abschätzen zu können werden im Buch zunächst wesentliche Methoden und Algorithmen des Machine Learning wie Entscheidungsbäume, Random Forests, Support-Vector-Maschinen, K-Nearest-Neighbor, K-Means Clustering, Hauptkomponentenanalyse, Neuronale Netze und Deep Learning vorgestellt. Auch ein Vorgehensmodell zur Einführung von Machine Learning wird vorgestellt, welches neben der Modellauswahl und dem Modelltraining auch die Validierung und Qualitätsbewertung beinhaltet. Dieses Verständnis entmystifiziert die Künstliche Intelligenz und ermöglicht die Funktionsweise des Machine Learning nachzuvollziehen. Das dadurch entstehende Vertrauen schafft die Basis für die Akzeptanz der Künstlichen Intelligenz.

Erstellung eigener Anwendungen mit Python

Künstliche Intelligenz im Business

Seit gut einem Jahrzehnt ist die Lage der akademischen Redefreiheit an Universitäten in Deutschland ein vielbeachtetes und kontrovers diskutiertes Thema. Über die Frage, wo Grenzlinien der grundrechtlich verbrieften Wissenschaftsfreiheit verlaufen, wird ebenso gestritten wie darüber, von wem oder von was die Einschränkungen akademischer Redefreiheit ausgehen. Dieses Buch analysiert den Diskurs um akademische Redefreiheit und untersucht dessen Bedeutung für die Universität als Bildungsraum. Die empirische Grundlage bilden einerseits Interviews, die unter anderem mit Hochschulleitungen und Studierendenvertretungen geführt wurden. Andererseits wird ein Korpus von Dokumenten herangezogen, der die öffentlichen Debatten und Streitfälle zur Wissenschaftsfreiheit der vergangenen Jahre abbildet. Die Konfliktlagerungen des Diskurses werden in thematischen Einzelstudien entfaltet. Zum Spektrum der behandelten Themen gehören die Debatte um Safe Spaces, die Ausgestaltung und Bedeutung studentischen Protests, das Verhältnis von Universität und Öffentlichkeit sowie die Lage der universitären Debattenkultur.

Akademische Redefreiheit im universitären Bildungsraum

Voice-related Biomarkers

Weitere Titel zum Thema