Refine
Year of publication
Document Type
- Other (21) (remove)
Has Fulltext
- yes (21) (remove)
Keywords
- Data Engineering (4)
- COVID 19 (3)
- Data Science (3)
- Explainable Artificial Intelligence (3)
- Government (3)
- Infektionskrankheit (3)
- Schema Inference (3)
- Attraktor (2)
- Dynamisches Verhalten (2)
- Euklidischer Raum (2)
Institute
Im n-dimensionalen euklidischen Raum werden Vektoren über das Skalarprodukt derart miteinander verknüpft, dass sich für jede Dimension n > 1 spontan Strukturen ausbilden können. Paarweise zusammengefasste Ortsvektoren werden iterativ durch Einheitsvektoren antiparallel gegeneinander verschoben. Dadurch bleibt der Schwerpunkt der Struktur im Raum fixiert. Das System ist durch maximal vorgegebene Beträge der Abstandsvektoren beschränkt. An der Begrenzung erfolgt eine Drehung der Einheitsvektoren, sodass das Skalarprodukt gebildet aus Abstands- und Verschiebungsvektor positiv wird und der Abstand der Parallelen, auf denen die Verschiebungsvektoren liegen, einen vorgegebenen Betrag annimmt. Damit wird das Drehmoment der antiparallelen Verschiebungsvektoren konstant gehalten. Die Attraktoren zeigen zum Teil ein kompliziertes dynamisches Verhalten. Zunächst erzeugt der Algorithmus eine chaotische Punktwolke. Durch Selbstorganisation formen sich jedoch oft nach einer gewissen Zeit spontan Attraktoren. Die Muster können nach einer bestimmten Lebensdauer in andere stabilere Formen umspringen. Das ausführbare Java-Programm „Attractor.jar“ veranschaulicht die Ergebnisse und kann unter http://www.ohm-hochschule.de/bib/ohmdok/hoevel/Attractor.jar heruntergeladen werden.
Data engineering is an integral part of the data science process. It comprises tasks such as data ingestion, data transformation, and data quality assurance. In order to fulfill these tasks, schema inference is an important capability. Its goal is to detect the structure of a dataset and to derive metadata on hierarchies, data types, etc. Artificial intelligence (AI) has the potential to automate schema inference and thus increase the efficiency of the data science process. However, as government institutions are subject to special regulations, explainability of AI models can be a mandatory requirement. Goal of this research protocol is to plan a systematic review of literature on schema inference with explainable AI (XAI) for data engineering in government institutions.
Data engineering is an integral part of the data science process. It comprises tasks such as data ingestion, data transformation, and data quality assurance. In order to fulfill these tasks, schema inference is an important capability. Its goal is to detect the structure of a dataset and to derive metadata on hierarchies, data types, etc. Artificial intelligence (AI) has the potential to automate schema inference and thus increase the efficiency of the data science process. However, as government institutions are subject to special regulations, explainability of AI models can be a mandatory requirement. Goal of this research protocol is to plan a systematic review of literature on schema inference with explainable AI (XAI) for data engineering in government institutions. This second version includes adjustments resulting from the first iteration of the review.
Data engineering is an integral part of the data science process. It comprises tasks such as data ingestion, data transformation, and data quality assurance. In order to fulfill these tasks, schema inference is an important capability. Its goal is to detect the structure of a dataset and to derive metadata on hierarchies, data types, etc. Artificial intelligence (AI) has the potential to automate schema inference and thus increase the efficiency of the data science process. However, as government institutions are subject to special regulations, explainability of AI models can be a mandatory requirement. Goal of this research protocol is to plan a systematic review of literature on schema inference for tabular data with explainable AI (XAI). This third version was derived from two earlier review protocols.
Steht das christliche Denken in einem Widerspruch zur (Grundkonzeption der) Sozialen Markwirtschaft, deren 60jährigen Geburtstag wir in diesem Jahr gefeiert haben? Was ist das Menschenbild in der Konzeption der Sozialen Marktwirtschaft? In einem Aufruf zum Festakt zur Erneuerung der Sozialen Marktwirtschaft in diesem Jahr in Jena wurde Wilhelm Röpke (1899-1966), einer der Gründungsväter der Sozialen Marktwirtschaft, mit folgenden Worten zitiert: „Das Maß der Dinge ist der Mensch (in der Konzeption der Sozialen Marktwirtschaft, Anmerk. KR); das Maß des Menschen ist sein Verhältnis zu Gott.“ Was ist passiert? Warum ist Vertrauen in die Marktwirtschaft bei vielen verloren gegangen?
If we believe Edward Snowden, encryption is "the only true protection against surveillance". However, advances in quantum technology might endanger this safeguard. Our article discusses why quantum computing poses a threat to data security and what to do about it. Instead of a purely theoretical analysis, we build on code examples using Python, C, and Linux.
Lebenszeit und Arbeitszeit
(2008)
In diesem Beitrag geht es um eine Bestandsaufnahme, welche Auswirkungen längere und flexiblere Arbeitszeiten auf den Lebensverlauf haben. Der Schwerpunkt der Arbeitszeitdiskussion der 90er Jahre – in der Politik wie in der Forschung – lag dagegen auf der kurzfristigen Perspektive, nämlich darauf, wie flexiblere Arbeitszeiten die Vereinbarkeit von Arbeit und Alltag erleichtern oder erschweren. Seit einigen Jahren wird häufiger eine langfristige Sicht auf die „work-life-balance“ im Lebensverlauf, auf Wechselwirkungen zwischen Veränderungen in Arbeitszeiten und Lebensverläufen eingenommen: Welche Arbeitszeitbedürfnisse ergeben sich aus neuen Lebensformen und –verläufen? Und: Wie wirken sich zunehmend diskontinuierliche Erwerbsverläufe auf Lebensverläufe aus?
Anlässlich der Überreichung der Urkunde über die Ehrenpromotion des Rektors der Georg-Simon-Ohm-Fachhochschule Nürnberg, Prof. Dr. Herbert Eichele, durch die Staatsuniversität für Radioelektronik und Steuerungssysteme in Tomsk / Sibirien - Russland am 19. Juni 2002 hielt der Laureat im Rahmen eines Festakts in der Tomsker Universität die hier abgedruckte Dankesrede. In dieser simultan ins Russische übersetzten Rede stellt er den zahlreichen Ehrengästen, zu denen auch der Konsul der Bundesrepublik Deutschland gehörte, die Georg-Simon-Ohm-Fachhochschule und ihre vielfältigen Aktivitäten vor.
Data engineering makes up a large part of the data science process. In CRISP-DM this process stage is called "data preparation". It comprises tasks such as data ingestion, data transformation and data quality assurance. In our article we solve typical data engineering tasks using ChatGPT and Python. By doing so, we explore the link between data engineering and the new discipline of prompt engineering.