Dimitri Bertsekas PhD ’71, Jerry McAfee (1940), emeritierter Professor für Ingenieurwissenschaften am Division of Electrical Engineering and Laptop Science (EECS), leitender Forscher am Laboratory for Info and Choice Programs (LIDS) und Fulton-Professor für Computational Choice Making an der Arizona State College, starb am 3. Juni in seinem Haus in Belmont, Massachusetts. Er warfare 83 Jahre alt.

Im Laufe seiner Karriere erstreckte sich Bertsekas‘ Forschung über mehrere Bereiche und hatte einen entscheidenden Einfluss auf diese, darunter Optimierung, Steuerung, groß angelegte Berechnungen, Reinforcement Studying und künstliche Intelligenz. Er warfare als Berater für verschiedene Privatunternehmen tätig. Herausgeber mehrerer wissenschaftlicher Zeitschriften; der Gründer eines Verlages, Athena Scientific; und leitender wissenschaftlicher Berater von Bayforest Applied sciences, einem in London ansässigen quantitativen Investmentunternehmen. Seine nachhaltigste Wirkung dürfte jedoch auf seine produktive Autorschaft und Co-Autorenschaft an über 20 äußerst einflussreichen Büchern, Monographien und Lehrbüchern sowie auf sein großes Netzwerk aus Studenten, Mentees, Freunden und Mitarbeitern zurückzuführen sein.

Bertsekas erwarb seinen Bachelor-Abschluss an der Nationalen Technischen Universität von Athen, Griechenland, bevor er 1969 seinen MS in Elektrotechnik an der George Washington College und 1971 seinen Doktortitel in Systemwissenschaften am MIT erhielt. Er begann seine Fakultätslaufbahn an der Stanford College, wo er drei Jahre verbrachte, und an der College of Illinois in Urbana-Champaign, wo er weitere fünf Jahre verbrachte, bevor er 1979 ans MIT zurückkehrte. Bis dahin blieb er in der Abteilung für EECS des MIT 2019 wurde er Vollzeit-Fakultätsmitglied an der Arizona State College in Tempe. Unterwegs unterrichtete, beriet und betreute Bertsekas Studenten, die schließlich seine Kollegen an allen vier Institutionen werden sollten.

„Dimitri spielte eine entscheidende Rolle in meiner Karriere“, sagt Asu Ozdaglar, Abteilungsleiterin für EECS am MIT. „Nachdem ich an seinem Kurs zur nichtlinearen Optimierung teilgenommen hatte, beschloss ich, meinen Forschungsschwerpunkt zu ändern. Die konzeptionelle Klarheit und die mathematische Strenge, die er in jedes Thema einbrachte, kombiniert mit seiner Fähigkeit, Theorie mit wichtigen Problemen zu verbinden, bildeten eine Grundlage, die meine wissenschaftliche Arbeit in den folgenden Jahren weiter prägte.“ Eine andere ehemalige MIT-Studentin, Jinane Abounadi, jetzt geschäftsführende Direktorin des MIT Sandbox Innovation Fund Program, erinnert sich noch immer an Bertsekas‘ Unterricht als einen Höhepunkt ihrer Zeit als Studentin am MIT: „Ich bin so glücklich, Dimitri als meinen Professor und Berater gehabt zu haben. Ich hatte die Gelegenheit, von einem wahren Meister etwas über Optimierung, dynamische Programmierung und neurodynamische Programmierung zu lernen.“

Steven E. Shreve, ein ehemaliger Pupil der College of Illinois, erinnert sich, wie er von Bertsekas‘ Kurs über nichtlineare Optimierung beeindruckt warfare und fragte, ob Bertsekas darüber nachdenken würde, sein Doktorvater zu werden. „Anstatt meine Frage direkt zu beantworten, gab mir Dimitri einen vorläufigen Entwurf seines Manuskripts, aus dem schließlich sein Buch ‚Dynamic Programming and Stochastic Management‘ wurde, und bat mich, es Korrektur zu lesen“, erinnert sich Shreve, jetzt emeritierter Professor der Orion Hoch College im Fachbereich Mathematische Wissenschaften der Carnegie Mellon College. „Aus diesem Manuskript habe ich die Theorie der dynamischen Programmierung gelernt und viele wichtige Spezialfälle gemeistert. Während ich mit Dimitri sprach, während ich las, erhielt ich Einzelunterricht. Als das Buch endlich erschien, dankte Dimitri großzügig für meine Teilnahme, als hätte ich ihm einen Gefallen getan und nicht umgekehrt.“ Der Schachzug warfare typisch für Bertsekas‘ unauffällige Mentoring-Herangehensweise; Nach der ersten erfolgreichen Zusammenarbeit vermittelte Bertsekas ein Forschungsstipendium für Shreve und forderte ihn auf, eine grundlegende Frage der dynamischen Programmierung zu lösen. „Ich musste viel Mengenlehre lernen, um überhaupt über die von ihm gestellte Frage nachdenken zu können“, erinnert sich Shreve, dessen Arbeit zu dem Downside mit Bertsekas‘ Notizen kombiniert wurde, um ihr gemeinsam verfasstes Buch „Stochastic Optimum Management: The Discrete Time Case“ zu erstellen.

„Durch die Arbeit mit Dimitri an (diesem Buch) habe ich das Schreiben gelernt“, sagt Shreve. „Von Dimitri habe ich gelernt, dass man seine Forschung präsentieren muss, wenn man für sie anerkannt werden will, damit andere sie lesen wollen, und ich habe gelernt, wie man das macht.“

Die Klarheit und Eleganz des Erklärungsstils von Bertsekas sollte zu seinem pädagogischen Markenzeichen werden. „Jeder erkannte Dimitris großes Expertise als Schriftsteller, aber er ging weit darüber hinaus und organisierte ganze Themen zu etwas, das verständlich und intestine organisiert warfare“, sagt Robert Gallager, emeritierter Professor für Elektrotechnik am MIT, der 1987 gemeinsam mit Bertsekas ein Buch mit dem Titel „Information Networks“ verfasste. „Damals veränderte sich das Fachgebiet rasant, die Rechenkosten sanken alle zwei Jahre um den Faktor zwei, und am Horizont stand Glasfaser für die Übertragung. Dimitri und ich verstanden jeweils nur Teile dieses Fachgebiets, der Relaxation warfare eine rasante Lernerfahrung. Dimitri warfare hierfür der ideale Accomplice, der harte Konzepte schnell in einfache, aber genaue Erklärungen übersetzen und mein Wissen mit seinem Wissen zu einem verständlichen Ganzen verbinden konnte.“

Bertsekas‘ enger Kollege bei LIDS, Munther Dahleh, erinnert sich: „Was mich immer beeindruckte, warfare, dass man Dimitri durch seine Texte quick direkt zum Leser sprechen hören konnte. Seine Instinct, seine Gedankenklarheit und seine unverwechselbare Perspektive kommen in seinen Büchern wunderbar zum Ausdruck. Sie spiegeln nicht nur seine tiefgreifenden technischen Beiträge wider, sondern auch seine Leidenschaft für das Lehren und seinen Wunsch, anderen zu helfen, das Thema auf einer tieferen Ebene zu verstehen. … Insbesondere sein gemeinsames Buch mit John Tsitsiklis über neurodynamische Programmierung ist eine Tour de Drive Es hat viele der Ideen vorweggenommen und dazu beigetragen, sie zu definieren, die später für das verstärkende Lernen und die ungefähre dynamische Programmierung von zentraler Bedeutung waren.“

Tsitsiklis selbst erinnert sich gern an den gemeinsamen Schreibprozess mit Bertsekas: „Für Dimitri warfare Forschung eine kreative Type, die Handwerkskunst mit der Kreativität verband, die wir normalerweise Kunst nennen.“ Die Definition von Kunst und ihrer Praxis warfare für Bertsekas ein Thema großer Faszination, das er in seinem Aufsatz von 2025 ausführlich untersuchte: „Wissenschaft, Kunst und Leben„, ein Versuch, kreative Arbeit sinnvoll in drei allgemein beschreibende Rollen zu kategorisieren – Techniker, Handwerker und Künstler – und die Überschneidungen zwischen den drei Arten der Praxis zu untersuchen. Über seine klare und klare Schrift hinaus warfare Bertsekas für sein ausgeprägtes grafisches Auge bekannt, ein Expertise, das er nicht nur bei der Entwicklung von Illustrationen für alle seine Lehrbücher, sondern auch bei der Aufnahme unvergesslicher und künstlerisch inspirierter Fotografien seiner weltweiten Reisen intestine einsetzte.

Der langjährige Mitarbeiter und Freund David Castañón, heute Professor für Elektro- und Computertechnik an der Boston College, erinnert sich an Bertsekas als einen echten Renaissance-Mann, der sich aus unzähligen Quellen inspirieren ließ: „Dimitri hatte eine unstillbare Neugier für algorithmische Ideen, sowohl in der Theorie als auch in der Praxis. Viele dieser Ideen wurden von neuen Technologien inspiriert (Parallelcomputer, Reinforcement Studying, Schachalgorithmen) … Wann immer wir uns trafen, stellte Dimitri neue interessante Konzepte vor; wir arbeiteten theoretische Particulars aus, Dann übernahmen Dimitris künstlerische Talente die Oberhand: Er entwarf Grafiken zur Veranschaulichung von Konzepten und setzte Texte und Abbildungen für die zu vervollständigenden Arbeiten. Diese Talente führten zu seinem Verlag Athena Scientific, wo Dimitri und seine Co-Autoren elegante pädagogische Bände mit breiter Anziehungskraft verfassten. Tsitsiklis stimmt zu und bemerkt: „Für Dimitri ging es bei (Forschung) darum, Bedeutung zu entdecken, die ‚richtige‘ Sichtweise auf ein Thema zu finden, es zu bereichern und es durch seine produktiven Schriften kristallklar zu vermitteln.“

Viele der über 20 von Bertsekas verfassten oder mitverfassten Bücher wurden als Lehrbücher am MIT zu Themen wie Datennetzwerke, nichtlineare Programmierung, dynamische Programmierung, Netzwerkoptimierung, parallele und verteilte Berechnung, neurodynamische Programmierung, konvexe Analyse und Optimierung, Wahrscheinlichkeit und verstärkendes Lernen übernommen. Stephen Boyd, Samsung-Professor an der Faculty of Engineering in Stanford, bezeugt die große Wirkung der gesammelten Werke von Bertsekas: „Generationen von Forschern in den Bereichen Optimierung, Steuerung und vielen verwandten Bereichen haben diese Themen aus Dimitris äußerst klaren und schön geschriebenen Lehrbüchern gelernt. Ich warfare einer von ihnen; tatsächlich bin ich nicht zuletzt aufgrund von Dimitris Büchern in diese Bereiche vorgedrungen, und sein Einfluss hat mich die ganze Zeit über begleitet.“

Dieser Einfluss lässt sich an der schieren Anzahl von Auszeichnungen und Ehrungen messen, die Bertsekas im Laufe seiner Karriere gesammelt hat, darunter der INFORMS-Preis 1997 für herausragende Forschungsleistungen an der Schnittstelle zwischen Operations Analysis und Informatik für neurodynamische Programmierung, der ACC John R. Ragazzini Schooling Award 2001, der INFORMS Expository Writing Award 2009 und der ACC Richard E. Bellman Management Heritage Award 2014 „Beiträge zu den Grundlagen deterministischer und stochastischer optimierungsbasierter Methoden in Systemen und Steuerung“, der Khachiyan-Preis für Lebensleistungen in der Optimierung 2014, der George B. Dantzig-Preis SIAM/MOS 2015 und der IEEE Management Programs Award 2022. Zusammen mit seinem Co-Autor John Tsitsiklis wurde er für die Beiträge der Forschungsmonographien „Parallel and Distributed Computation“ und „Neuro-Dynamic Programming“ mit dem INFORMS John von Neumann Concept Prize 2018 ausgezeichnet. Im Jahr 2001 wurde Bertsekas für „bahnbrechende Beiträge zur Grundlagenforschung, Praxis und Ausbildung der Optimierungs-/Kontrolltheorie“ in die US-amerikanische Nationwide Academy of Engineering gewählt.

Ein persönlicherer Maßstab für Bertsekas‘ Wirkung lässt sich jedoch an der Wärme und Zuneigung ablesen, mit der sich seine Freunde, Kollegen und ehemaligen Schüler stets an ihn erinnern. Co-Autor John Tsitsiklis schrieb: „Ich hatte das größte Glück, einer seiner Lehrlinge zu sein und seine Herzlichkeit und Freundschaft miterleben zu dürfen.“ Seine ehemalige Studentin am MIT, Angelia Nedich, wurde später Bertsekas‘ Kollegin an der Arizona State College. Sie erinnert sich: „Dimitri warfare ein außergewöhnlicher Geist, eine begabte Seele, die uns Suchenden Licht brachte, aber gleichzeitig warfare er sehr bescheiden, da er auf unseren Roadtrips im Südwesten die einfachen Momente des Lebens, einen Schluck guten Kaffee, einen Bissen aromatisches Essen oder ein Glas würzige Margarita genoss. So erinnere ich mich gerne an ihn.“

Der ehemalige Pupil Benjamin Van Roy, jetzt Professor an der Stanford College, schrieb über die Verwandlung von Bertsekas von einer Autoritätsperson in einen Freund (und das Thema freundlicher Hänseleien). „Ich erinnere mich an die einschüchternden Kommentare älterer Doktoranden, als ich meine eigene Doktorandenreise in LIDS begann. Einige bezeichneten Dimitri als „Unsterblichen“. Ein anderer Kommentar, an den ich mich gerne erinnere – und an den Dimitri oft erinnert wurde – warfare: „Professor Bertsekas ist ein sehr gutaussehender Mann!“ Ihre Bindung hielt noch lange nach Van Roys Abschluss an. „Dimitri warfare ein Schatz für die Menschheit: einer der großen Gelehrten unserer Zeit, ein Mann der Renaissance und ein phänomenales Vorbild. Ich hatte das Privileg, zu den vielen zu gehören, die er als Mentor betreute, und ein noch größeres Privileg, ihn als langjährigen Freund zu betrachten.“ Yuchao Li, ein von Bertsekas betreuter Postdoktorand an der Arizona State College, erinnert sich an seinen Mentor als eine nahezu unerschöpfliche Quelle der Inspiration und Unterstützung: „Für mich warfare Professor Bertsekas wie ein liebevoller Vater voller unendlicher Weisheit. … Er schien alles zu wissen, blieb aber zutiefst bescheiden und aufgeschlossen. Er warfare immer bereit zu helfen, selbst beim geringsten Anzeichen von Schwierigkeiten in meinem Leben. Er hat mir einen dauerhaften Glauben an die allerbesten Eigenschaften des Menschen eingeflößt, und ich werde mich bemühen, diesen Glauben weiterzuführen.“

Vor Bertsekas starb sein Sohn Costas. Er hinterlässt seine Frau Joanna Bertsekas (geb. Palashas); sein Sohn Telis Bertsekas und seine Frau Wendy Bertsekas; und drei Enkelkinder, Melina, Alexandros und Leonidas.

Die Lagerung hat sich vom einfachen Speicher zu einem komplexen Knoten in verwandelt Globale Lieferketten. Wenn das Produktvolumen wächst und die Erwartungen der Kunden verschärfen, sind die Lagerhäuser ausgesetzt, die weit über die Bodenflächen und die Bestandszahlen hinausgehen. Die Integration von Large Knowledge Applied sciences bietet Lösungen, zeigt jedoch auch neue Herausforderungen, die zur Aufrechterhaltung der Effizienz, Genauigkeit und Rentabilität angegangen werden müssen.

Sichtbarkeit und Genauigkeit inventar

Eine primäre Herausforderung bei der modernen Lagerung besteht darin, eine genaue Sichtbarkeit des Bestands aufrechtzuerhalten. Fehlgeleitete oder falsch optimierte Elemente erzeugen Ripple -Effekte in der Lieferkette. Herkömmliche manuelle Methoden können mit hohen SKU -Zählungen oder einem schnellen Umsatz nicht Schritt halten. AI-betriebenes Inventarmanagement Systeme bieten eine kontinuierliche Verfolgung mit Verwendung von Sensoren, RFID- und IoT -Geräten, um die Bestandspegel in Echtzeit zu überwachen. Diese Systeme füttern Daten in Enterprise Intelligence -Plattformen und ermöglichen es den Managern, Diskrepanzen zu erkennen, den Mangel vorherzusagen und die Nachbestellzyklen zu optimieren. Die Integration dieser Instruments in Legacy Warehouse Administration -Systeme kann jedoch komplex sein und sorgfältig planen, um die Datenkonsistenz sicherzustellen.

Platzoptimierung und Structure -Effizienz

Warehouse -Immobilien sind teuer und unter ausgelasteter Raum verringert die betriebliche Effizienz. Analytik kann Muster in der Produktbewegung aufzeigen und es den Managern ermöglichen, Speicher für schnelleres Abrufen und minimaler Überlastung neu zu organisieren. In der Nähe von Verpackungsstationen können hochauflösende Gegenstände positioniert werden, während saisonale oder geringen Waren weniger zugängliche Bereiche einnehmen. KI -Modelle können Layoutszenarien simulieren und vor der Implementierung Workflow -Engpässe vorhersagen. Trotz dieser Fortschritte bleiben die physischen Einschränkungen bestehender Gebäude und Nachrüstkosten erhebliche Hindernisse.

Personalmanagement und Schulung

Selbst bei der Automatisierung bleibt die menschliche Arbeit in den meisten Lagern von wesentlicher Bedeutung. Die Vorhersage der Arbeitsnachfrage, das Administration von Verschiebungen und das Reduzieren von Fehlern sind fortlaufende Herausforderungen. Workforce Analytics hilft bei der Vorhersage von Personalanforderungen auf der Grundlage historischer Auftragsdaten, saisonalen Traits und prognostizierten Verkäufe. Schulungsprogramme müssen sich entwickeln, um Mitarbeitern die Fähigkeiten zu vermitteln, um mit automatisierten Systemen zu interagieren, BI-Dashboards zu analysieren und auf Erkenntnisse von AI-generierten Einsichten zu reagieren. Die Aufrechterhaltung der Sicherheit bei der Implementierung fortschrittlicher Maschinen und Robotik erfordert auch eine sorgfältige Koordination und kontinuierliche Überwachung.

Automatisierungsintegration und Ausrüstung Zuverlässigkeit

Die Einführung der Automatisierung, einschließlich Roboterverpackungsmaschinenführt sowohl Chancen als auch Herausforderungen ein. Die Robotik kann den Durchsatz erhöhen, die Fehlerraten reduzieren und die körperlichen Belastung der Mitarbeiter minimieren. AI-gesteuerte Steuerelemente können die Betriebsgeschwindigkeit dynamisch auf der Grundlage des Auftragsvolumens und des Workflow-Standing einstellen. Die Integration automatisierter Geräte in vorhandene Systeme erfordert jedoch eine Ausrichtung von Datenprotokollen, prädiktive Wartungsroutinen und Echtzeitüberwachung. Ausfallzeiten für Geräte oder Fehlausrichtung zwischen automatisierten und manuellen Prozessen können den Betrieb stören und erhebliche Kosten generieren.

Datenmanagement und Analyse

Lagerhäuser sind jetzt Knowledge Hubs. Sensoren, Scanner und Betriebssysteme erzeugen jede Minute large Informationsmengen. Die Umwandlung dieser Rohdaten in umsetzbare Erkenntnisse erfordert starke Analyseplattformen und BI -Instruments. Die Daten müssen sauber, strukturiert und in den Abteilungen zugänglich sein, um die Entscheidungsfindung zu unterstützen. Zu den Herausforderungen gehören die Handhabung von Datensilos, die Gewährleistung der Echtzeitberichterstattung und die Entwicklung von Vorhersagemodellen für die Nachfrageplanung, die Routenoptimierung und die Auffüllung des Bestands. Ohne ordnungsgemäße Analytikinfrastruktur riskieren Lagerhäuser Ineffizienzen und verpasste Geschäftsmöglichkeiten.

Cybersicherheit und Systemresilienz

Die zunehmende Abhängigkeit von vernetzten Systemen setzt Lagern den Cybersicherheitsrisiken aus. Kompromente Daten oder Systemausfälle können den Betrieb einstellen, das Vertrauen beschädigen und zu finanziellen Verlusten führen. Der Schutz der sensiblen Informationen, die Aufrechterhaltung sicherer Zugriffskontrollen und die kontinuierliche Überwachung von Netzwerken sind unerlässlich. KI kann bei der Erkennung von Bedrohungen und automatisierten Antworten helfen, aber die menschliche Aufsicht ist weiterhin entscheidend, um sich effektiv entwickelnde Bedrohungen zu bewältigen.

Die datengesteuerte Lagerhaltung ist nicht mehr elective. Genauer Inventar, intelligentes Structure, qualifizierte Arbeitskräfte, zuverlässige Automatisierung und sichere, integrierte Systeme bilden die Grundlage für moderne Lieferkettenbetriebe. Unternehmen, die diese Herausforderungen proaktiv bewältigen, sind besser positioniert, um effizient zu skalieren und in einem immer schnelleren Markt zu konkurrieren. Um mehr zu erfahren, schauen Sie sich die Infografik unten an.

A, lautes Geräusch

Es warfare ein Samstag. Ich warfare mit meinem kleinen Mädchen und meiner Mutter unterwegs und wanderte wie wir durch die Stadt. Wir fanden einen Brunch -Spot, bestellten Pfannkuchen und setzten uns zusammen, um einen ruhigen Second zusammen zu machen. Aber zu meiner Rechten waren drei Menschen tief in ein Gespräch über KI und den Arbeitsmarkt. Hinter mir tauschten zwei Männer Meinungen gegen ihre Lieblings -KI -Instruments ein, als würden sie Bewertungen des neuesten Ortes der Stadt tauschten. Ich warf einen Blick auf mein Useful. Drei AI -Publication saßen in meinem Posteingang und warteten auf mich mit Clickbait -Schlagzeilen, die eine bessere Produktivität und intelligentere Karrierebewegungen versprachen. Dies ist nur ein normaler Tag in meinem Leben. Ich bin ein maschinelles Lerningenieur, daher kann ich nicht so tun, als wäre diese Welle nicht actual. Ich muss mithalten. Das ist Teil des Jobs, oder?

Trotzdem bin ich besorgt. Sehr ängstlich.

In Developments ertrinken

Es ist nicht nur die Geschwindigkeit neuer Werkzeuge oder das Nonstop -Geräusch. Es ist das Gefühl, dass jeder jetzt etwas über KI zu sagen hat. Einige verfolgen Developments. Andere verkaufen Kurse. Einige machen nur Geräusche für den Algorithmus. Ich habe gesehen, wie Gespräche wild von promptem Engineering bis zu Multi-Agent-Systemen bis hin zu allem, was diese Woche heiß ist, geschwungen hat. Jedes Mal, wenn ich versuche, aufzuholen, bewegt sich die Ziellinie.

Vor ein paar Jahren schrieb ich einen Beitrag über RNNs, LSTMS und Transformers. Ich habe es nie veröffentlicht. Ich habe es immer wieder umschrieben, weil sich die Landschaft immer wieder änderte. Dieses Muster hat nicht aufgehört. Ich las. Ich höre zu. Ich versuche zu lernen. Aber ich reflektiere nicht wie früher. Ich denke nicht so tief. Ich sammle zu viel und mache zu wenig.

Sogar die gesunden Gewohnheiten sind schwer zu behalten. Ich habe versucht, Kurzform-Dopamin-Fallen wie Tiktok zu vermeiden, aber es spielt keine Rolle. Ich nehme mein Telefon ständig für Arbeitsmeldungen, Kindertagesstättenfotos und endlose Zwei-Faktor-Authentifizierungscodes. Das Gerät, das mich angeschlossen hält, hält mich ebenfalls verstreut. Ich scrolle. Ich überflüsse. Meine Aufmerksamkeitsspanne fühlt sich so an, als wäre sie durch den Futter gekaut und ausgespuckt worden.

Ich lerne nicht wie früher. Ich erstelle nicht wie ich will.

Der persönliche Filter

Schlimmeres ist, dass ich anfing, meine eigene Stimme zu verlieren. AI -Podcasts, Twitter -Threads, Publication … alle reden bei Du. Es ist leicht zu vergessen, dass Sie nicht alles aufnehmen müssen. Sie müssen nicht jede Meinung übernehmen. Manchmal tritt Sie mit dem Geräusch dazu, dass Sie mehr wissen als Sie. Aber es ist kein wirkliches Verständnis. Es ist nur eine andere Artwork von Scrollen wie Tiktoks oder YouTube-Shorts mit AI-Geschmack, die als Einblick verkleidet sind. Sie kommen nicht von dir. Sie entleeren dich.

Vielleicht bin ich hart. Aber ich sage das, weil ich mich selbst kenne: Ich mache selten inne, um über das nachzudenken, was ich konsumiert habe. Und ohne diese Pause bleibt nichts. Nichts wächst.

Im Laufe der Zeit bin ich zu der Überzeugung gekommen, dass eines der radikalsten Dinge, die Sie im KI -Alter tun können, darin besteht, selbst zu denken. Setzen Sie Ihren eigenen Benchmark für das, was „intestine“ KI bedeutet. Entscheiden Sie, was für Sie wichtig ist. Bauen Sie einen persönlichen Filter auf, um das Geräusch nicht vollständig auszublättern, sondern um den Teil von Ihnen zu schützen, der denkt, dass sich Fragen, die sich widerspiegeln.

Wenn ich schreibe, auch nur einen Weblog -Beitrag wie diesen, hilft es. Wenn Sie Gedanken in Worte fassen, werden sie actual. Und wenn sie actual sind, kann ich sie formen und wiederverwenden. Ich kann anfangen zu verstehen, was um mich herum passiert. So beschütze ich meinen Fokus. So kann ich mich davon abhalten, zu weit von mir selbst zu driften.

Ein bisschen tiefe Arbeit

In letzter Zeit kehrte ich zu einem alten Buch zurück: Tiefe Arbeit von Cal Newport. Ich habe es vor Jahren gelesen, als sich die Ablenkungen einfacher anfühlten. Ich folgte jedem Tipp: Schützen Sie Ihre besten Stunden, bleiben Sie offline, wenn Sie können, und konzentrieren Sie sich mit Absicht. Aber der Teil, der mir am meisten bei mir geblieben ist, ist Folgendes: Es geht darum, tief zu denken, nicht nur schnell zu reagieren.

Damals fühlte sich das wie ein guter Rat an. Jetzt, in der Mitte dieses Nonstop -AI -Sturms, fühlt es sich wie Überleben an.

Das erneute Lesen von heute erinnert mich daran, dass nicht alles eine Antwort braucht. Nicht jede Überschrift braucht meine Zeit. Manchmal ist der intelligenteste Schritt, sich zu verlassen, ruhig zu werden und selbst nachzudenken.

Dies ist additionally der Plan, den ich folgen möchte: Schreiben Sie mehr. Denke langsamer. Filtern Sie rücksichtslos. Schützen Sie meinen Fokus, als wäre es der letzte ruhige Raum, den ich habe.

Wenn Sie dies lesen, hoffe ich, dass Sie die Erlaubnis haben, dasselbe zu tun. Teilen Sie Ihre Gedanken. Bauen Sie Ihr eigenes Tempo auf. Lassen Sie den Ansturm nicht Ihre Aufmerksamkeit oder Ihre Stimme stehlen.

---

Wenn ein Teil davon bei Ihnen in Angriff genommen wird, schreibe ich in meinem Publication weitere Überlegungen wie diese. Kein Geräusch, kein Spam, nur ehrliche Gedanken, wenn ich versuche, das KI -Alter zu verstehen. Sie sind mehr als willkommen, sich mir anzuschließen Dort.

Einführung

Der ALTER-Befehl ist eine der wichtigsten SQL-Funktionen, die man für die Datenbankmanipulation und -verwaltung kennen muss. Diese Datendefinitionssprache (DDL)-Befehl kann vorhandene Tabellen ändern, indem Spalten, Einschränkungen und Indizes hinzugefügt, entfernt oder aktualisiert werden. Wir werden uns verschiedene Möglichkeiten zur Verwendung des ALTER-Befehls ansehen, um seine Flexibilität hervorzuheben. Darüber hinaus können ALTER TABLE-Anweisungen in SQL verwendet werden, um den Datentyp einer vorhandenen Spalte zu ändern, um neuen Datenanforderungen gerecht zu werden.

Wenn Sie gerade erst mit SQL beginnen, hilft Ihnen der folgende Leitfaden für Anfänger: SQL für Knowledge Science: Ein Leitfaden für Anfänger

Überblick

• Erfahren Sie mehr über den Zweck und die Funktionsweise des SQL-Befehls ALTER.
• Erfahren Sie, wie und wo Sie die ALTER TABLE-Anweisungen von SQL verwenden.
• Erkunden Sie verschiedene Szenarien und Beispiele, die die Verwendung dieser SQL-Funktion demonstrieren.

Anwendungen des ALTER-Befehls

Der ALTER-Befehl in SQL kann für verschiedene Zwecke verwendet werden. Hier sind einige gängige Anwendungen:

Beispieltabelle

Hier ist eine Beispieltabelle, an der wir verschiedene ALTER TABLE-Anweisungen testen werden.

Hinzufügen einer neuen Spalte

Um unserer Mitarbeitertabelle eine neue Spalte hinzuzufügen, können Sie die Anweisung ADD COLUMN verwenden.

ALTER TABLE workers
ADD COLUMN birth_date DATE;
SELECT emp_id, birth_date from Staff WHERE emp_id BETWEEN 1 AND 5;

Dadurch wird der Tabelle eine neue Spalte mit dem Namen „Geburtsdatum“ vom Typ DATUM hinzugefügt, die Werte sind jedoch leer, da wir gerade eine neue Spalte in „Mitarbeiter“ hinzugefügt haben.

Ändern einer vorhandenen Spalte

Um eine vorhandene Spalte zu ändern, verwenden Sie die Klausel MODIFY oder ALTER COLUMN.

ALTER TABLE workers
MODIFY COLUMN birth_date DATETIME;

Die Spalte „Geburtsdatum“ in der Tabelle „Mitarbeiter“ ändert sich vom Typ DATE zum Typ DATETIME. Auf ähnliche Weise können wir auch andere Datentypen für andere Spalten ändern.

Löschen einer Spalte

Um eine vorhandene Spalte aus Ihrer Tabelle zu entfernen, verwenden Sie DROP COLUMN in SQL.

ALTER TABLE workers
DROP COLUMN birth_date;

Diese SQL-Abfrage entfernt die Spalte „Geburtsdatum“ aus der Tabelle „Mitarbeiter“.

Einschränkungen hinzufügen

Die Verwendungsmöglichkeiten des ALTER-Befehls erstrecken sich auf das Hinzufügen von Einschränkungen zu einer Tabelle, beispielsweise das Hinzufügen eines Primärschlüssels, eines Fremdschlüssels oder einer eindeutigen Einschränkung.

ALTER TABLE workers
ADD CONSTRAINT pk_employee_id PRIMARY KEY (emp_id);

Dadurch wird eine Primärschlüsseleinschränkung mit dem Namen „pk_employee_id“ zur Spalte „emp_id“ der Tabelle „workers“ hinzugefügt.

Einschränkungen entfernen

Wir verwenden DROP CONSTRAINT, um eine Einschränkung aus der Tabelle zu entfernen.

ALTER TABLE workers
DROP CONSTRAINT pk_employee_id;

Dadurch wird die Primärschlüsseleinschränkung (pk_employee_id) aus der Mitarbeitertabelle entfernt.

Umbenennen einer Tabelle

Mit dem ALTER-Befehl kann eine Tabelle auch umbenannt werden.

ALTER TABLE workers
RENAME TO employees;

Dadurch wird die Tabelle „Mitarbeiter“ in „Private“ umbenannt.

Abschluss

Der ALTER-Befehl von DDL ist sehr effektiv zum Verwalten und Ändern von Datenbanktabellenstrukturen. Benutzer können Spalten und Einschränkungen hinzufügen, ändern oder löschen und so die Flexibilität bieten, die für anpassbares Datenbankdesign und -management erforderlich ist. Mit diesem Befehl können Datenbankstrukturen bei sich ändernden Anforderungen einfach aktualisiert werden.

Erfahren Sie mehr: SQL: Ein umfassender Leitfaden von den Grundlagen bis zum fortgeschrittenen Niveau

Häufig gestellte Fragen