Künstliche Intelligenz / Machinelles Lernen
Künstliche Intelligenz (KI) und Maschinelles Lernen (ML) werden inzwischen in fast allen Bereichen unseres Lebens eingesetzt, insbesondere Deep Learning und künstliche neuronale Netze haben zuletzt zu deutlichen Fortschritten geführt. Künstliche Intelligenz gilt als Wachstumsfaktor für Unternehmen, viele Großkonzerne forcieren massiv ihr Engagement in selbstlernende IT-Systeme. Viele Facetten der neuen Technologie – wie ihre Auswirkungen auf unsere Lebensbedingungen, die Verteilung der Produktionsbedingungen und Arbeitsmodelle – sind noch lange nicht ausreichend untersucht.
Ethische Grundsätze dienen als Leitfaden, um sicherzustellen, dass KI-Systeme verantwortungsvoll und zum Wohle der Gesellschaft eingesetzt werden. >> Weiterlesen
Die Kombination von Design Thinking und KI ist nicht nur effizient, sondern eröffnet neue Möglichkeiten der kreativen Zusammenarbeit und fördert innovative… >> Weiterlesen
Mit der Nutzung des Sustainable AI Radars können Unternehmen ihre KI-Initiativen nachhaltig gestalten und sicherstellen, dass sie sowohl technologisch… >> Weiterlesen
Wie man mithilfe von Assistant API von OpenAI einfachen Assistenten entwickelt, der sinnvolle Aufgaben effizient erledigen kann. >> Weiterlesen
Wer ML-Angriffsflächen und Risiken kennt, kann ML-Projekte besser absichern und verhindern, dass ML-Projekte keine Hintertür zu geschäftskritischen… >> Weiterlesen
Das Zero Trust Security Framework ist das Konzept für ein sicheres M365 und einen sicheren Copilot. Das Least-Privilege-Prinzip stellt sicher, dass Nutzer nur… >> Weiterlesen
Wir beleuchten das Kubeflow-Ökosystem und Aspekte und Überlegungen, die bei der Einführung berücksichtigt werden müssen. >> Weiterlesen
Large Language Models (LLM) bieten enormes Potenzial bei der Integration in Softwareprodukte. Entdecken Sie, wie man LLM-Fähigkeiten im Code nutzt. >> Weiterlesen
Der EU AI Act ordnet KI-Systeme in Risikoklassen ein. Erfahren Sie mehr über die Klassifikation und MLOps-Implementierung. >> WeiterlesenMLOps ist das Äquivalent zu DevOps in der Software-Entwicklung: Es ist eine Erweiterung von DevOps für das Design, die Entwicklung und den nachhaltigen Einsatz… >> Weiterlesen
