Adaptieren und Weiterentwickeln: Das zweite Jahr von Aggregata

Da sich das zweite Jahr von Aggregata dem Ende zuneigt, nutzen wir die Gelegenheit, die Veränderungen Revue passieren zu lassen und einen Ausblick auf zukünftige Entwicklungen zu geben.

Henrik BartschJairus Joer

Henrik Bartsch, Jairus Joer

Die Texte in diesem Artikel wurden teilweise mit Hilfe künstlicher Intelligenz erarbeitet und von uns korrigiert und überarbeitet. Für die Generierung wurden folgende Dienste verwendet:

2024 war ein wichtiges Jahr für das maschinelle Lernen, mit Fortschritten bei Large Language Models wie Gemma und Gemma 2 und Verbesserungen beim Bildverständnis durch neuronale Netze.

Jetzt, da Aggregata in sein zweites Jahr geht, blicken wir auf die unglaublichen Fortschritte zurück. Werfen wir nun einen Blick auf die wichtigsten Änderungen, die wir im Verlauf des letzten Jahres implementiert haben.


Verbesserungen der Webseite

Wir freuen uns, dass wir mehrere Quality-of-Life-Features eingeführen konnten, darunter:

  • Empfohlene Artikel: jeder unserer Beiträge zeigt nun weitere Artikel, welche für unsere Nutzer*innen weitere Recherchen vereinfachen.

  • Inhaltsverzeichnis: Durch ein Inhaltsverzeichnis erleichtern wir die Navigation innerhalb von Artikeln.

  • Filter: Es ist nun ganz einfach, bestimmte Interessengebiete auszuwählen, wenn wir auf der Suche nach (neuen) Informationen ist.

Wir freuen uns, dass wir mit diesen neuen Funktionen die Benutzerfreundlichkeit erhöhen und die Gesamtfunktionalität der Plattform verbessern können.


Verbesserungen unseres Contents

Wir aktualisieren unsere Inhalte, um der technischen Entwicklung Schritt zu halten or voraus zu sein! Hier sind die Neuheiten:

  1. Web: Im Rahmen einer verstärkten Lernkurve haben wir uns mit Designsystemen und den zugrundeliegenden Definitionen, mit Barrierefreiheit und ihrer allgemeinen Anwendung im Web beschäftigt. Außerdem haben wir die Anzahl der Einträge in einer unserer Lieblingsserien, Alpine.js, erhöht.

  2. Deep Dive im maschinellen Lernen: Wir präsentierten Reinforcement und Unsupervised Lernen mit Artikeln über Policy Gradient Reinforcement Learning, Random Projections. Daneben haben wir uns ebenso Pretrained Transformers wie Matcha-Quarta gewidmet.

Damit stehen Ihnen noch mehr wertvolle Ressourcen zur Verfügung, um sich über die neuesten Technologien zu informieren.


Unser Jahr in Zahlen

25 Artikel

… haben wir dieses Jahr veröffentlicht. Ziemlich genau einen Artikel alle zwei Wochen.

8.450 Leser*innen

… erreichen wir mittlerweile jeden Monat. Ein monatlicher Zuwachs von ~500.


Ausblick

Aufbauend auf dem bisherigen Erfolg von Aggregata können wir uns nun komplexeren Themen zuwenden.In einem ersten Schritt werden wir untersuchen, wie wir pretrained Transformators besser nutzen können, um das Umfeld unserer Artikel zu generieren, wie z.B. die Suche nach Informationsquellen, die Generierung von Artikeltitelbildern oder anderen Bereichen.

Lerne, Wie wir maschinelles Lernen bei der Erstellung unserer Artikel einsetzen.

Außerdem wollen wir unser Content Management System (CMS) aktualisieren, um den wachsenden Anforderungen von uns und unseren Lesern gerecht zu werden. Unsere neue Website wird daher auf Ghost basieren.

Entdecke, Warum wir Aggregata von Astro auf Ghost umziehen.

Für unseren nächsten Artikel planen wir, auf unserem letzten Artikel über Komponentenbibliotheken, “Definiere eine Komponentenbibliothek für Designer- und Entwickler:innen”, aufzubauen. Diesen werden wir innerhalb der nächsten zwei Wochen veröffentlichen.