Tranzparenz ist ein wichtiger Schritt für das Vertrauen von Nutzer*innen in ein Produkt. Heute wollen wir verstärkt auf unsere Verwendung von maschinellen Lernmethoden für Aggregata eingehen.
Lerne die ersten Schritte zur Erstellung einer Komponentenbibliothek für Designer- und Entwickler:innen kennen, wobei du die häufigsten Probleme erfolgreich im Auge behältst.
In den letzten Wochen habe ich mit dem Dialog-Element und der neuen Popover-API experimentiert und einige Mikrointeraktionen ausprobiert, um jeden Klick ein wenig ansprechender zu gestalten.
Die automatische Beantwortung von Fragen zu Bildern ist ein leistungsfähiges Werkzeug, um eine Vielzahl von Prozessen schneller und effizienter zu gestalten. In diesem Artikel stellen wir Matcha-Quarta vor, ein neuronales Netz trainiert auf diese Aufgabe.
Die Bildsegmentierung ist für die Objekterkennung und fortgeschrittene Bildverarbeitung von entscheidender Bedeutung, und das neuronale Netz Kosmos-2 verbessert sie, indem es Text in der visuellen Welt verankert, Objektbeschreibungen wahrnimmt und sie mit den entsprechenden Bildregionen verknüpft. Heute werden wir Anwendungsfälle für ein solches Modell untersuchen.
Letzte Woche hatte ich das Privileg, mit meinem Arbeitgeber HERO Software drei Tage in Berlin auf dem WeAreDevelopers World Congress 2024 zu verbringen. Es war eine großartige Gelegenheit, von anderen Entwickler:innen zu lernen und sich mit ihnen zu vernetzen.
Erfahre, wie Barrierefreiheit und ihre Gestaltungsmuster Unternehmen und Nutzer:innen gleichermaßen zugute kommen, und finde praktische Ressourcen und Tools zur Verbesserung der Barrierefreiheit deiner Website.
Der Actor-Critic-Algorithmus stellt eine wesentliche Weiterentwicklung der Algorithmik im Bereich des Deep Reinforcement Learning dar. Er kombiniert die Vorteile von Policy-basiertem und Value-basiertem Reinforcement Learning, um eine effizientere und effektivere Methode für das Lernen in komplexen Umgebungen zu schaffen. In diesem Beitrag möchte ich diesen Algorithmus vorstellen.
Die Dimensionsreduktion ist ein immer wichtigerer Teil des Lernprozesses von maschinellen Lernprogrammen, da die Datensätze immer größer werden. Heute werden wir uns mit einer linearen Transformationsmethode auf niedrigdimensionale Vektorräume beschäftigen, um den Lernprozess potenziell zu verbessern. Dazu wird die Principal Component Analysis vorgestellt.
Lasse deine Nutzer:innen nicht zurück - Lerne, wie man barrierefreie Benutzeroberflächen mit einem Design-System entwirft, das die Barrierefreiheit von Anfang an einbezieht und potenzielle Barrieren beseitigt.
Während sich Aggregata weiterentwickelt, sind wir bestrebt, die optimale Plattform für unsere Inhalte bereitzustellen. Erfahre mehr über unsere Entscheidung, von Astro auf Ghost umzusteigen - ein wichtiger Schritt zu einer reichhaltigeren Content Experience.
Bildunterschriften sind wichtig, weil sie den Inhalt und den Kontext eines Bildes in Textform darstellen und damit den Zugang und das Verständnis für alle Nutzer, insbesondere für Menschen mit Sehbehinderungen, verbessern. In diesem Beitrag stellen wir BLIP für diesen Anwendungsfall vor.
Sentiment Analysis ist ein immer wichtigerer Teil bei der Auswertung von Nachrichten aus sozialen Netzwerken. Im folgenden Beitrag möchten wir einen Pretrained Transformer vorstellen, welcher auf diese Aufgabe ausgerichtet ist: Der Emotion Text Classifier.
Obsidian, ein Tool zum Aufbau eines "zweiten Gehirns" - ein System zur effektiven Organisation und Verwaltung von Informationen. Erfahre, wie diese kostenlose Open-Source-Plattform dir helfen kann, Notizen zu organisieren, Ideen zu verknüpfen und die Effizienz von Arbeitsabläufen zu verbessern.
Nicht alle Websites müssen dynamisch sein. Entdecke die Vorteile der Kosteneffizienz, Sicherheit und globalen Zugänglichkeit von statischem HTML. Erfahre, wie du erkennst, wann die statische Bereitstellung die richtige Wahl für dein Projekt ist.
Der Naive Bayes-Klassifikator ist ein einfacher und effizienter Algorithmus für Klassifikationsaufgaben, welcher von der Unabhängigkeit der Merkmalen ausgeht. In diesem Beitrag möchte ich diesen vorstellen.
Große Datenmengen können aus vielen Gründen eine Herausforderung darstellen. Heute stelle ich einen Algorithmus vor, mit dem man die Größe eines Datensatzes reduzieren kann: Random Projections.
Visualisiere Validierungsfehler in deinem Backend für Eingabeelemente mit Alpine.js und verbessere die Benutzerfreundlichkeit deiner Formulare. Mehr dazu in diesem Artikel.
T5 ist ein leistungsstarkes Sprachmodell, das für eine Vielzahl von Text-zu-Text-Aufgaben wie Textklassifikation, Sprachübersetzung oder Textzusammenfassung eingesetzt werden kann. Ziel dieses Beitrags ist es, dem Leser diesen Pretrained Transformer vorzustellen.
Der Arc Browser bringt frischen Wind in den Markt der Browser und bringt gleichzeitig interessante Funktionen mit sich, die die Art und Weise des Browsens im Internet nachhaltig beeinflussen können. Mehr dazu in diesem Artikel.
Optimierung einer (komplexen) Funktion kann eine schwierige Aufgabe sein. Hier wird eine Bibliothek vorgestellt welche ich verwende und für eine gute Möglichkeit halte, entsprechende Aufgaben zu lösen und zusätzlich eine Implementierung einer vergleichsweise einfachen Optimierungsaufgabe als Nutzungsbeispiel.
Wie in vielen anderen Bereichen sind auch bei der Anwendung verschiedener Produkte ethische Fragen für einen sicheren und gerechten Einsatz notwendig. In diesem Artikel wollen wir uns mit ethischen Fragen im Zusammenhang mit Machine Learning beschäftigen.
Um ähnliche Gruppen in unbekannten Daten zu identifizieren und die Komplexität zu reduzieren, kann Clustering verwendet werden. Hier wird der k-Means-Algorithmus beschrieben, der für Clustering verwendet werden kann.
Finde heraus, wie du dynamische Importe mit Alpine.js implementieren kannst, um deine Website zu beschleunigen und die Benutzererfahrung zu optimieren.
Wie du Astro als flexible Basis für dein nächstes Projekt nutzen kannst, erfährst du in diesem Artikel, der dich von dem Setup bis zum Deployment begleitet.
Im Oktober 2022 haben wir unseren ersten Artikel veröffentlicht und im Oktober 2023 werden wir nicht nur auf ein Jahr Aggregata zurückblicken, sondern auch einen Ausblick auf zukünftige Projekte geben.
Künstliche Intelligenz verstehen – In unserem neusten Artikel geben wir einen Einblick in unser erstes Seminar und unseren Erfahrungen.
Dieser Post soll dazu dienen, den Leser in die grundsätzliche Thematik des Reinforcement Learnings einzuführen. Die Einführung konkretisiert wichtige Begriffe und Grundkonzepte, welche dort verwendet werden.
Es gibt eine Reihe von Möglichkeiten, eine Regressionsaufgabe zu lösen. In diesem Beitrag soll beschrieben werden, wie eine solche Regressionsaufgabe mit Hilfe eines neuronalen Netzes gelöst werden kann.
Es gibt verschiedene klassische Algorithmen um eine Klassifikation durchzuführen. Hier beschreibe ich eine Implementierung mittels neuronaler Netze und meiner Erfahrungen hiermit.
Q-Learning war einer der ersten praktisch relevanten Reinforcement Learning Algorithmen. In diesem Post soll dieser Algorithmus vorgstellt werden.
In diesem Beitrag erfährst du, wie du mit Alpine.js sowohl temporäre als auch persistente States verwalten kannst und wie du damit deine User Experience optimieren kannst.
Decision Trees sind alleine häufig nicht ausreichend um eine sinnvolle Klassifikation durchzuführen. Random Forests stelle eine Verbesserung der Decision Trees dar. Dieses Verfahren möchte ich im Folgenden vorstellen.
Klassifikation kann auf viele verschiedene Arten und mit vielen verschiedenen Algorithmen durchgeführt werden. Ich werde heute hierzu den K-Nearest-Neighbor-Klassifikator vorstellen.
Heute geben wir dir einen Einblick in die Entscheidungen zum Design und der technischen Umsetzung hinter Aggregata.
Häufig sind Machine Learning Modelle komplex und schwer zu verstehen. In diesem Artikel wird eine Methode beschrieben, welche klare Strukturen und Entscheidungskriterien visualisiert: Decision Trees.
Eintrittswahrscheinlichkeiten von Ereignissen sind häufig ein komplex zu modellierendes Problem. In diesem Artikel wird eine grundlegende Methode hierzu vorgestellt: Die logistische Regression.
Künstliche Intelligenz ist eine leistungsfähige Technologie mit vielen Vorteilen. Sie ist aber auch mit Risiken und Nebenwirkungen verbunden. In diesem Beitrag erfährst du, worauf du achten musst, wenn du mit künstlicher Intelligenz arbeitest.
Dieser Post soll dazu dienen, den Leser in die grundsätzliche Thematik des Reinforcement Learnings einzuführen. Die Einführung konkretisiert wichtige Begriffe und Grundkonzepte, welche dort verwendet werden.
Wie kann man mit künstlicher Intelligenz kreative und nützliche Texte generieren? In diesem Beitrag erfährst du mehr über die Möglichkeiten und Herausforderungen von generativen Texten.
Semi-Supervised Learning stellt eine der vier Themengebiete des Machine Learnings dar. Dieser Post soll eine Einführung in das Thema geben
Microsoft und OpenAI präsentieren, basierend auf dem immensen Erfolg von ChatGPT, eine neue Art, das Internet nach Informationen zu durchforsten und beginnen damit einen Wettstreit um Googles Vorherrschaft im Internet.
Unsupervised Learning stellt eine der vier Themengebiete des Machine Learnings dar. Dieser Post soll eine Einführung in das Thema geben.
Supervised Learning stellt eine der vier Themengebiete des Machine Learnings dar. Dieser Post soll eine Einführung in das Thema geben.
Neuronale Netze sind ein heiß diskutiertes Thema. Doch worum handelt es sich hierbei und wie genau funktionieren diese? Hier werden einige diese Fragen beantwortet.
Machine Learning nimmt einen immer wichtigeren Teil in unserem Leben ein. In diesem Post soll erklärt werden, warum es ein zukünftig relevantes Konzept darstellt.
In diesem Beitrag zeigen wir euch, wie ihr mit Alpine.js eine Liste von Produkten visualisieren und deren Preise automatisch umrechnen lassen könnt.
Das Deep Q-Network leidet manchmal unter verschiedenen Problemen. Die Probleme werden hier vorgestellt und eine Lösung für diese Probleme präsentiert.
In diesem Beitrag dynamisiere ich ein Kontaktformular mit Alpine.js, um das Nutzererlebnis inkrementell zu bereichern.
Deep Q-Networks benötigen manchmal Informationen aus verschiedenen Zeitschritten um schnell zu konvergieren. Das Deep Recurrent Q-Network stellt eine Möglichkeit hierfür dar.
Wie genau führt man eine Hyperparameteroptimierung durch? Auf was muss man dort achten? Wie genau sieht eine Visualisierung aus? Auf all diese Fragen gibt es hier eine Antwort.
Künstliche neuronale Netze haben in vielen Bereichen Erfolge errungen. Hier präsentiere ich den ersten Algorithmus für das Trainieren von neuronalen Netzen für Reinforcement Learning: Das Deep Q-Network.
Im Big Data Business sind (Ko-)Rellationen häufig sinnvoll um Entscheidungen zu treffen. Hier ist eine Methode solche Informationen zu finden: Lineare Regression.
Um die Interaktivität einer produktionsreifen PHP-Umgebung zu steigern, habe ich erstmals Alpine.js implementiert. Hier sind meine Erkenntnisse.