TL;DR: muss die Arbeit selbst klar definiert werden. Das bedeutet, die Aufgabe zu kennen, der KI den richtigen geschäftlichen Kontext zu geben, zu erklären, wie gute Arbeit aussieht, und zu entscheiden, wann die KI selbstständig vorankommen kann und wann sie menschliches Urteilsvermögen einholen sollte. In diesem Artikel werden fünf wiederverwendbare Property vorgestellt, die Groups beim Aufbau von Arbeitsabläufen unterstützen, die KI konsistent und zuverlässig unterstützen kann.

In meinem letzten Artikel, Entwerfen Sie die Arbeit neu, bevor Sie weitere KI-Agenten hinzufügenIch argumentierte, dass Unternehmen zunächst den Arbeitsablauf neu gestalten sollten, bevor sie weitere KI-Instruments und -Agenten einführen.

Sie fragen sich vielleicht: Wo sollen wir anfangen, wenn die Schaffung weiterer Agenten nicht der erste Schritt ist? Was sollte zuerst passieren, wenn ein Workforce über die individuelle Produktivität, isolierte Pilotprojekte und verstreute Demos hinausgehen und KI zu einem Teil seines Produktlebenszyklus und seiner täglichen Abläufe machen möchte?

Je mehr Projekte zur KI-Workflow-Aktivierung ich arbeite, desto mehr bin ich davon überzeugt, dass das fehlende Teil die Vorbereitung des Workflows selbst ist.

Bevor die KI eine wiederkehrende Arbeit zuverlässig ausführen kann, muss jemand definieren, um welche Arbeit es sich handelt, warum sie existiert, welche Informationen wichtig sind, wie ein erfolgreiches Ergebnis aussieht und wo die KI aufhören und nach menschlichem Urteilsvermögen fragen muss.

Die Realität sieht heute so aus, dass diese Vorbereitung selten dokumentiert wird. Die meisten Groups springen direkt zu Eingabeaufforderungen und Agenten. Viele glauben, dass der Zugang von Groups zu erweiterten Modellen zu besseren Ergebnissen führen wird. Hier ist der kontraintuitive Teil: Je besser das Modell funktioniert, desto kostspieliger können die fehlenden Definitionen werden.

Der Unterschied besteht darin, wie Sie fragen. Eine Chat-Interaktion beginnt mit der Aufforderung: „Analysieren Sie dies.“ „Machen Sie eine Präsentation.“ „Fassen Sie diese Dateien zusammen.“

Ein betrieblicher Arbeitsablauf beginnt mit einem klar definierten Auftrag. Welches Ergebnis ist erforderlich? Welche Quellen sind maßgeblich? Welche Entscheidungen kann KI selbstständig treffen? Wie sieht eine bestandene Ausgabe aus? Wann sollte die KI aufhören und um Hilfe bitten?

In diesem Artikel möchte ich zeigen, was Sie tun können, bevor Sie wiederkehrende Arbeiten einem KI-Assistenten oder Agenten übergeben. Für Ihr Workforce kann die Arbeit mit diesen fünf wiederverwendbaren Property beginnen. Anstatt weiterhin bessere Eingabeaufforderungen zu sammeln, erstellen Sie diese Property, verbessern Sie sie durch praktische Nutzung und übertragen Sie sie im Laufe der Zeit auf die KI-Modelle und -Instruments, die Sie übernehmen.

1. Das wiederholte Arbeitsvermögen

Finden Sie die Aufgaben, die regelmäßig anfallen, viel Zeit in Anspruch nehmen, wiederholbaren Schritten folgen, die gleichen Eingabetypen verwenden oder genügend Wert oder Risiko bergen, um einen wiederverwendbaren KI-Workflow zu rechtfertigen.

Dabei kann es sich um einen wöchentlichen Bericht, einen monatlichen Geschäftsbericht, einen Kundenvorschlag, eine Vertragsprüfung, ein Produkteinführungspaket oder einen vierteljährlichen Planungsprozess handeln.

Sie benötigen eine einfache Bestandsaufnahme darüber, wie Sie und Ihr Workforce Ihre Zeit verbringen, welche Arbeiten sich wiederholen und wo ein wiederverwendbarer Prozess hilfreich sein könnte. Die Liste der wiederholten Arbeiten hilft Ihnen bei der Auswahl von Aufgaben nach Häufigkeit, Aufwand, Risiko und Wert.

You might be my workflow group assistant.

Based mostly on the work description under, determine the recurring duties which are most fitted for AI.

Necessities:

1. Embody duties that:
- Repeat commonly
- Comply with a constant course of
- Eat significant time
- Carry a excessive threat of avoidable errors
- Or rely on repeated evaluation, drafting, evaluation, or coordination

2. For every activity, state:
- The particular motion
- How typically it occurs
- Required enter
- Anticipated output
- Analysis customary
- Time at present required
- Important supply of problem or error

3. Classify every activity as:
- Higher fitted to a one-time AI dialog
- Higher fitted to a reusable workflow or agent
- Higher saved primarily human-led

4. Clarify why you chose every classification.

5. Keep away from basic recommendation. Use particular actions.

My work description:

(Paste your description right here)

2. Das Aufgaben-Asset

Die meisten Leute geben das Thema vor und überlassen den Relaxation der KI. Sie bitten die KI, „die Daten zu analysieren“, „die Präsentation vorzubereiten“ oder „die Dokumente zusammenzufassen“. Das Modell muss dann Zielgruppe, Entscheidung, Format, Quellenpriorität, Detaillierungsgrad und Qualitätsschwelle ableiten.

KI ergänzt fehlende Informationen oft selbstständig. Wenn diese Annahmen falsch sind, kann die Ausgabe zwar zuversichtlich klingen, aber dennoch in die falsche Richtung weisen.

Ein Aufgaben-Asset hilft dabei, diese versteckten Annahmen zu beseitigen. Es verwandelt eine vage Anfrage in einen Auftrag, den die KI ausführen kann. Definieren Sie das Ziel, die Zielgruppe, die Materialien, die Einschränkungen, die Schritte, wie intestine aussieht und wann das System anhalten und nachfragen soll. Es gibt Ihnen auch etwas Konkretes, das Sie überprüfen können, bevor Sie der KI mehr Verantwortung übertragen.

Convert the obscure request under right into a activity bundle that AI can execute.

Output:

- Goal
- Enterprise function
- Viewers
- Choice or motion this work ought to assist
- Supplies to make use of
- Authoritative sources
- Reference-only sources
- Constraints
- Execution steps
- Required output format
- What an excellent outcome seems like
- Acceptance standards
- Dangers I would like to substantiate
- Info that's nonetheless lacking
- When you need to cease and ask me

My request:

(Paste your request right here)

3. Das Kontext-Asset

Der Kontext hilft der KI zu erkennen, was wichtig ist. Groups können sich neu organisieren, Prioritäten können sich ändern, Ergebnisse werden aktualisiert, Richtlinien werden neu geschrieben und die Informationen, auf die Sie sich vor sechs Monaten verlassen haben, können veraltet sein. Ein nützlicher Kontext teilt der KI mit, was sie weiß und was sie noch überprüfen muss.

Hören Sie auf, Ihre Arbeit in jedem Gespräch neu zu erklären. Ein kurzes Dokument kann darlegen, wer Sie sind, woran Sie arbeiten, welchen Quellen Sie vertrauen können, wie Sie Entscheidungen treffen und welche Artwork von Ergebnis Sie niemals wollen.

Ein nützlicher Kontext sollte nicht zum Spülbecken für alles werden, was jemals passiert ist. Halten Sie es kurz und aktuell. Werfen Sie nicht den monatelangen Chatverlauf in den Kontext, denn veraltete Particulars und nicht zusammenhängende Gespräche können die wertvollen Informationen verdecken.

Create a concise challenge context doc for AI.

I'll reuse it in ongoing AI duties so I don't want to elucidate the identical context every time.

Embody:

1. Who I'm
2. What I'm at present engaged on
3. My present goal
4. My audience
5. The choices I'm attempting to assist
6. How I normally work
7. The instruments and supplies I generally use
8. My most popular output model
9. The forms of output I dislike
10. Issues I can't say, publish, share, or do
11. Which sources are reliable
12. Which sources are for reference solely
13. Essential definitions or enterprise guidelines
14. Information which will expire or change
15. Info that have to be confirmed earlier than use
16. The date this doc was final up to date

Maintain it quick, exact, and related.

Separate steady info from momentary info.

Flag something which will must be up to date throughout the subsequent 30, 60, or 90 days.

My background:

(Paste your info right here)

4. Das Abnahmetest-Asset

Sie müssen wissen, wie ein Fehler aussieht, bevor die KI-Ausgabe an einen Kunden, ein Produktionssystem oder die Öffentlichkeit geht. Testen Sie den KI-Agenten anhand vorhandener Beispiele, bevor Sie ihn für wiederkehrende Arbeiten verwenden. Verwenden Sie Beispiele aus Ihrer eigenen Arbeit, einschließlich derer, die Sie akzeptiert und abgelehnt haben.

Akzeptanztests verwandeln Ihre Erwartungen in etwas, das Sie überprüfen können. Sie zeigen sowohl Ihnen als auch der KI, wie ein gutes Ergebnis aussieht. Beispiele, die Sie akzeptiert und abgelehnt haben, machen es einfacher, den Unterschied zwischen einer Ausgabe, die sicher klingt, aber falsch ist, und einer Ausgabe, die Sie verwenden können, zu erkennen.

I wish to assign this activity to AI on a recurring foundation.

Create an acceptance-test set for it.

Activity:

(Describe the duty)

Accepted examples:

(Paste a number of outputs I authorized and clarify why)

Rejected examples:

(Paste a number of outputs I rejected and clarify why)

Use these examples to determine the standard customary.

Don't invent a top quality customary that's unsupported by the examples.

Establish any customary that I nonetheless have to outline.

Present:

1. 5 check examples
2. The passing standards for every instance
3. The proof required to substantiate that every case handed
4. Widespread errors
5. The way to detect fabrication or unsupported conclusions
6. The way to detect use of outdated or unauthorized sources
7. Conditions that have to be given to an individual for judgment
8. Any unresolved high quality customary that requires my choice

Embody:

- A traditional case
- A missing-information case
- A conflicting-information case
- A tough edge case
- A case requiring human judgment

5. Das Berechtigungs-Asset

Ein Mensch-Agenten-System funktioniert am besten, wenn jeder weiß, wo die Grenzen liegen: Was die KI alleine tun kann, was sie auf Ihre Zustimmung vorbereiten kann und was sie niemals alleine tun sollte. KI kann die manuellen Wiederholungsarbeiten erledigen, Sie genehmigen die wichtigen Empfehlungen und es gibt eine Aufzeichnung darüber, wie das Endergebnis entstanden ist.

Es ist auch entscheidend für irreversible Handlungen. Das Löschen einer Datei, das Ändern eines Produktionssystems, die Genehmigung eines Kaufs oder die öffentliche Veröffentlichung von etwas kann Konsequenzen haben, die schwer rückgängig zu machen sind.

Dieser Vermögenswert kann zu Ihrem persönlichen Mensch-Agenten-System werden. Es definiert, was der Agent erledigen kann, was noch Ihrer Zustimmung bedarf, welche Daten er verwenden darf und wo Sie die Verantwortung behalten. Außerdem werden die getroffenen Annahmen, die Änderungen und die Particular person, die das Endergebnis genehmigt hat, aufgezeichnet.

Create a permission coverage for this AI workflow.

My recurring duties:

(Describe the duties)

Divide all actions into three classes:

1. AI might do that straight
2. AI might put together a draft, however I need to approve it
3. AI might by no means do that straight

For every exercise:

- Give one particular instance
- State when AI should cease and ask me
- Establish any irreversible motion
- State which information or methods AI might entry
- State which information or methods AI might by no means entry
- State whether or not the motion have to be logged
- State what proof have to be retained for evaluation
- State who's accountable for the ultimate outcome

Pay specific consideration to:

- Sending emails
- Deleting recordsdata
- Modifying manufacturing methods
- Buying something
- Publishing publicly
- Contacting different folks
- Making last choices for me
- Accessing confidential info
- Utilizing worker, buyer, monetary, or authorized information
- Altering supply information
- Approving transactions
- Creating exterior commitments

Die fünf Vermögenswerte nutzen

Sobald Sie über diese fünf Property verfügen, kann eine Grasp-Eingabeaufforderung sie in einem wiederverwendbaren Workflow zusammenführen.

I wish to use you as an AI assistant that may full advanced work.

Don't execute the duty but.

Based mostly on the supplies I present, create a reusable workflow.

Outline:

1. The usual enter
2. The usual output
3. The steps between enter and output
4. Which steps AI can carry out straight
5. Which steps require my approval
6. Which steps should stay human-led
7. The acceptance customary
8. The permission limits
9. The sources AI might use
10. The proof that have to be retained
11. A minimal working model I can check right this moment
12. The dangers I ought to resolve earlier than growing entry or automation

My activity:

(Describe the duty)

My supplies:

(Record or connect the supplies)

Letzter Gedanke

Entwerfen Sie die Arbeit neu, bevor Sie weitere KI-Agenten hinzufügen legt die fünf Führungsentscheidungen dar, die vor der Skalierung von KI-Agenten getroffen werden müssen. Wenn Sie das, was Ihr Workforce bereits weiß, in wiederverwendbare Property packen, wird diese Strategie in die Tat umgesetzt. Diese fünf Vorteile bieten Ihnen eine praktische Möglichkeit, mit KI Mehrwert zu schaffen.

Bevor Sie KI-Agenten weitere Aufgaben zuweisen, dokumentieren Sie, was sie tun müssen. Beginnen Sie mit einer definierten Aufgabe, einer zuverlässigen Eingabe, einer Standardausgabe und einem Genehmigungspunkt. Führen Sie reale Beispiele durch. Vergleichen Sie die Ausgabe mit Ihren akzeptierten und abgelehnten Fällen. Schließen Sie die Lücken, bevor Sie mehr Zugriff, mehr Schritte oder mehr Autonomie hinzufügen.

Jemand, der nur Eingabeaufforderungen sammelt, bittet das Modell, zu raten. Modelle, Lizenzen und Plattformen werden sich ständig ändern. Der Wert liegt darin, das, was Ihr Workforce bereits weiß, in Arbeit umzuwandeln, die die KI wiederholen, die Leute überprüfen und auf die sich das Unternehmen verlassen kann. Es erfordert einen klar definierten Arbeitsablauf, Qualitätsstandards, die richtigen Quellen und den richtigen Kontext sowie klare Punkte, an denen die KI aufhören muss.

Geben Sie ihm nur „Hilf mir dabei“ und er kann nur raten. Geben Sie der KI die Szene, die Materialien und die Requirements, und sie kann ausführen. Dies ist der Zeitpunkt, an dem die KI-Transformation vom Experiment zum praktischen Geschäftswert übergeht.

* Anmerkung des Autors: Alle Bilder in diesem Artikel wurden vom Autor mit KI-Instruments erstellt.

Gesponserte Inhalte

Lernen Sie Python, SQL, Energy BI, KI und mehr für 0 $.
Keine Kreditkarte erforderlich. Einfach grenzenloses Lernen.

DataCamp-Woche mit kostenlosem Zugang:

Hör auf, was du tust. DataCamp hat gerade eine ganze Woche freigeschaltet Datenanalyse und KI-Lernen – völlig kostenlos.

Es gibt keinen Haken. Keine Zahlung, keine Probezeit, keine Verpflichtung, keine Erfahrung erforderlich.

Egal, ob Sie bei Null anfangen oder Ihre technischen Fähigkeiten ausbauen möchten, dies ist Ihre Likelihood, darauf zuzugreifen komplette DataCamp-Erfahrungeeinschließlich interaktiver Kurse, Karrierewege, Zertifizierungenund reale Projekte.

Warum Python auf DataCamp lernen?

KI generiert möglicherweise Code, aber Python sorgt dafür, dass er funktioniert.

Da KI die Automatisierung beschleunigt und die Hürde bei der Codeerstellung senkt, verschafft die Beherrschung der weltweit führenden Programmiersprache Analysten, Technikern und Führungskräften gleichermaßen einen strategischen Vorteil.

Aber das Erlernen dieser Instruments sollte nicht auf diejenigen beschränkt sein, die sich teure Bootcamps oder Abschlüsse leisten können.

Aus diesem Grund gibt es die Free Entry Week: um jedem – vom Anfänger bis zum Profi – die Likelihood zu geben, berufstaugliche Fähigkeiten zu erwerben und erstklassige Qualifikationen zu erwerben, ohne die Hürde der Kosten.

Mit interaktiven Kursen, praktischen Projekten und branchenführenden Zertifizierungen ermöglicht DataCamp mehr als 17 Millionen Lernenden weltweit, schnell neue Fähigkeiten zu erwerben, sich selbstbewusst zu bewerben und ihre Karriere selbst in die Hand zu nehmen.

Noch einmal: Es ist völlig kostenlos.

Werden Sie in einer Woche zertifizierter Datenanalyst

Ja, wirklich. Du kannst Lassen Sie sich in einer einzigen Woche zum Datenanalysten zertifizierenvöllig kostenlos.

Unabhängig davon, ob Sie gerade erst anfangen oder Daten bereits in Ihrer täglichen Arbeit verwenden, beweist diese Zertifizierung Arbeitgebern, dass Sie mit realen Daten in Python oder SQL arbeiten und diese in geschäftliche Erkenntnisse umwandeln können.

Hier ein kurzer Überblick über den Karriereweg und die Zertifizierung:

Datenanalyst: Vom Anfänger zum zertifizierten

Einer der beliebtesten Lernpfade von DataCamp, der Datenanalyst in Python Der Monitor ist darauf ausgelegt, Anfänger zu berufsbereiten Experten zu machen.

Sie lernen zunächst, wie Sie Daten importieren, bereinigen und manipulieren und gehen dann zu Visualisierungen und statistischen Analysen über. Durch interaktive, browserbasierte Übungen lernen Sie die wichtigsten Python-Instruments wie kennen Pandas, NumPy und Seaborn.

Am Ende des Tracks wissen Sie, wie Sie:

• Analysieren Sie Daten mit Python von Grund auf
• Erstellen Sie Dashboards und Visualisierungen
• Automatisieren Sie Arbeitsabläufe und wenden Sie KI-Instruments an
• Bereiten Sie sich auf eine branchenweit anerkannte Zertifizierung vor und bestehen Sie diese

Die Zertifizierung? Sie absolvieren zwei zeitgesteuerte und eine praktische Prüfung, die das abdeckt, was Sie im Kurs gelernt haben.

Entwickelt von Branchenexperten und Personalmanagern, um die neuesten Anforderungen eines Datenanalysten auf Einstiegsniveau widerzuspiegeln, stellen Sie Ihre Fähigkeit zur Durchführung explorativer Analysen und statistischer Experimente unter Beweis und kombinieren Erkenntnisse mit effektivem Daten-Storytelling und Geschäftsbewusstsein.

Alles innerhalb einer Woche. Alles völlig kostenlos.

Handeln Sie jetzt, warten Sie nicht

Die Free Entry Week von DataCamp findet vom 16. bis 22. Februar stattund es beinhaltet alles im gesamten Datenanalyse- und KI-Lehrplan.

Dies ist nicht nur eine Likelihood zu lernen – es ist eine Likelihood dazu Beweisen Sie Ihre gefragten Fähigkeiten und erwerben Sie eine branchenführende Qualifikation, die den Personalmanagern signalisiert, dass Ihre Fähigkeiten einsatzbereit sind.

Keine Kreditkarte. Kein Risiko. Nur berufsfertige Kenntnisse, eine Woche lang kostenlos.

Legen Sie jetzt los.

Zum ersten Mal eine Seite zum Aufladen von E-Geld zu finden, kann etwas beunruhigend sein. Sie kaufen nicht bei einer bekannten Marke, es gibt kein physisches Produkt und die gesamte Transaktion hängt davon ab, dass ein digitaler Code angezeigt wird und funktioniert. Dann stellt sich meist die große Frage: Ist das wirklich sicher?

Refilled.com fällt in die Kategorie der Marktplätze, die Menschen gerne noch einmal überprüfen, bevor sie auf „Jetzt kaufen“ klicken. Nicht weil es verdächtig aussieht, sondern weil E-Geld-Plattformen vielen Nutzern noch unbekannt sind. Wenn man versteht, wie Refilled funktioniert und wofür es entwickelt wurde, kann man diese Unsicherheit weitgehend ausräumen.

Wofür wird Refilled.com verwendet?

Nachgefüllt ist eine E-Geld-Aufladeplattform, die Pay as you go-Digitalprodukte verkauft. Dazu gehören Dinge wie digitale Geldbörsen, Geschenkkarten und Gutscheine für Purchasing, Unterhaltung und sogar Spiele. Allerdings verwenden Sie das Guthaben nicht für „Refilled“ selbst; Stattdessen kaufen Sie einen Pay as you go-Wert, der an anderer Stelle eingelöst wird.

Bei der Plattform dreht sich alles um Geschwindigkeit und Einfachheit. Sie wählen ein Produkt aus, bezahlen und erhalten innerhalb weniger Minuten einen digitalen Code.

Aber ist die Anwendung tatsächlich sicher?

Sicherheit kommt es in diesem Fall eher auf ein paar praktische Punkte als auf große Versprechen an. Refilled nutzt eine Normal-Zahlungsinfrastruktur, die für digitale Güter entwickelt wurde Transaktionen werden über abgewickelt vertraut und etabliert Zahlungssysteme wie PayPal. Zahlungen laufen nicht über unbekannte oder improvisierte Kanäle.

Ein weiteres wichtiges Element ist die Herkunft der Produkte. Nachgefüllt funktioniert mit sichere und vertrauenswürdige Anbieter anstatt uneingeschränkte Einträge zuzulassen. Dadurch wird das Risiko ungültiger oder nicht funktionierender Codes verringert, was eines der größten Probleme bei Pay as you go-Plattformen darstellt.

Darüber hinaus Die Lieferung erfolgt sofort. Sie zahlen nicht und hoffen, dass später etwas eintrifft. Sie schließen den Kauf ab und erhalten den Code sofort, was viele Unsicherheiten im Prozess beseitigt.

Datenschutz und Gastkäufe

Einer der Gründe, weshalb sich Menschen überhaupt an E-Geld-Plattformen wenden, ist der Datenschutz. Refilled unterstützt dies durch die Möglichkeit des Gastkaufs. Sie müssen kein Konto erstellen oder persönliche Daten speichern, wenn Sie dies nicht möchten.

Für Erstbenutzer kann dies zu einem angenehmeren Erlebnis führen. Sie können die Plattform ausprobieren, ohne sich langfristig zu verpflichten oder mehr Informationen als nötig weiterzugeben.

Worüber sich Erstanwender normalerweise Sorgen machen

Die meisten Sicherheitsbedenken entstehen dadurch, dass man nicht weiß, was einen erwartet. Funktioniert der Code? Wird die Zahlung sauber abgewickelt? Wird es versteckte Schritte geben?

Nachgefüllt bleibt alles übersichtlich und clear. Auf den Produktseiten ist deutlich zu erkennen, was Sie kaufen, welchen Wert es hat und in welcher Area es verwendet werden kann. Sobald der Kauf abgeschlossen ist, endet der Vorgang dort.

Nach einem reibungslosen Erstkauf stellen viele Nutzer die Plattform nicht mehr in Frage und behandeln sie wie jeden anderen Pay as you go-Dienst.

Warum sich Refilled anders anfühlt als andere Web sites

Unsichere Plattformen weisen in der Regel einige Gemeinsamkeiten auf. Vage Produktbeschreibungen, unklare Preise, verspätete Lieferung oder Druck, Konten zu erstellen und Daten weiterzugeben. Refilled vermeidet solche Warnsignale, indem alles im Voraus sichtbar bleibt und der Prozess auf das tatsächlich Notwendige beschränkt wird.

Nichts an der Erfahrung versucht, Sie zu überstürzen oder abzulenken. Sie sehen das Produkt, Sie sehen den Preis und Sie entscheiden, ob es für Sie sinnvoll ist.

Das Endergebnis für Erstkäufer

Ja, bei bestimmungsgemäßer Verwendung ist der Kauf von Refilled sicher. Es handelt sich um eine legitime E-Geld-Plattform, die sich auf digitale Pay as you go-Produkte, sofortige Lieferung und ein reibungsloses Checkout-Erlebnis konzentriert.

Für Erstbenutzer ist es wichtig zu verstehen, was Sie kaufen. Sie kaufen Pay as you go-Guthaben, kein physisches Produkt oder Serviceabonnement. Sobald das klar ist, fühlt sich der Prozess viel weniger riskant an.

Wenn Sie die Kontrolle über Ihre Ausgaben bevorzugen, Wert auf schnelle Transaktionen legen oder vermeiden möchten, dass Ihre Hauptzahlungsmethode überall verlinkt wird, ist Refilled.com genau das Richtige für diesen Anwendungsfall.

Hervorgehobener Bildnachweis

Google hat gerade seine größte Welle an KI-Updates seit Monaten eingestellt. Das Beste daran: Jeder von uns verändert die Artwork und Weise, wie wir Dinge erledigen. Darüber hinaus umfasst diese Palette an KI-Instruments und -Funktionen die Erstellung von Inhalten, die Lösung von Problemen und sogar die Erledigung mehrstufiger, komplizierter Aufgaben mithilfe der KI. Aus Zwillinge 3 Zu Nano Banana Professional Zu Veo 3.1der neueste Funktionsstapel von Google macht seine KI-Suite jetzt von einem „Assistenten“ zu einem „Macher“. Wie? Um das herauszufinden, sind wir hier.

In diesem Artikel untersuchen wir die neuesten Google AI-Drops, die Sie kennen müssen. Und wie sie die alltägliche Produktivität, Kreativität und ja sogar Forschung und andere komplizierte Aufgaben verändern.

Lassen Sie uns additionally ohne Verzögerung direkt in die Liste aller Neuheiten aus dem Hause Google eintauchen.

Gemini 3: Das neue „Do-It-All“-Kraftpaket von Google AI

Gemini 3 ist nicht nur ein Fortschritt gegenüber seinen Vorgängern, sondern eine umfassende Weiterentwicklung. Gemini 3 ist als einheitliche Intelligenzschicht konzipiert und verarbeitet Textual content, Bilder, Video, Audio, Code und mehr. Google präsentiert es nun als echten multimodalen Problemlöser, der sich an nahezu jede Aufgabe anpassen kann. Aufgrund meiner bisherigen Erfahrungen kann ich Ihnen versichern: Google hat nicht Unrecht!

Hier ist, was Gemini 3 auszeichnet.

Zwillinge 3: Wie es hilft

• Multimodales Denken: Der neue Gemini 3 kann große Dokumente, PDFs, Diagramme, Movies und Bilder zusammenfassen und kohärente, benutzerfreundliche Ergebnisse erzeugen.
• Verbesserte Logik und Planung: Mit Gemini 3 sind komplexe Aufgaben, die mehrere Schritte, Fehlerprüfung und langfristiges Denken erfordern, jetzt zuverlässiger.
• Generative UI-Ausgaben: Gemini 3 kann strukturierte Ausgaben wie Layouts, Diagramme und interaktive Blöcke generieren. Dadurch werden die Antworten benutzerfreundlicher und visuell klarer.
• Besserer Gesprächsfluss: Jetzt bleiben die Antworten von Gemini 3 beim Thema. Sie transportieren den Kontext über lange Gespräche hinweg und wirken schärfer und sauberer als zuvor.
• Praktischer Ansatz: Gemini 3 ist jetzt für Entwickler, Unternehmen und Produkte geeignet. Zu diesem Zweck ist es über APIs, CLI und Unternehmensplattformen (Vertex AI, Firebase AI Logic und Google AI Studio) zugänglich.
• Zuverlässig und sicher: Mit langen Kontextfenstern, multimodalen Eingaben und der Verarbeitung großer Datenmengen eignet sich Gemini 3 ultimate für Dokumentation, Compliance, Forschung und anspruchsvolle Arbeitsabläufe.

Zusamenfassend: Gemini 3 verwandelt den „KI-Assistenten“ von einem einfachen Helfer in einen vielseitigen Mitarbeiter. Für alle, die Recherche, Codierung, Dokumentation, kreative Arbeitsabläufe oder Datenaufgaben unter einen Hut bringen, fühlt sich dies wie ein echtes Improve an.

Nano Banana Professional: Eine ganz neue visuelle Welt freigeschaltet

Nano Banana Professional ist zweifellos das leistungsstärkste KI-Bilderzeugung Improve, das ich bisher gesehen habe. Um Ihnen einen Eindruck von seiner Leistungsfähigkeit zu geben, sollten Sie wissen, dass es in der Lage ist, das äußerst irritierende Textual content-im-Bild-Downside zu lösen, mit dem jeder bekannte KI-Bildgenerator zu kämpfen hat. Nano Banana Professional ist in das neueste Gemini 3 Professional integriert und wird von diesem angetrieben. Damit können Sie nicht nur Bilder in Studioqualität erstellen; Es ermöglicht sogar Bildbearbeitungsoptionen wie nie zuvor.

Hier finden Sie alles, was der neue Nano Banana Professional ermöglicht.

Nano Banana Professional: Wie es hilft

• Verwandeln Sie grobe Skizzen oder Skizzen in ausgefeilte Produktmodelle, Objekte oder sogar Gebäude im 3D-Stil.
• Generieren Sie hochauflösende Bilder in Studioqualität (bis zu 4K) aus Textaufforderungen.
• Passen Sie Farbe, Beleuchtung und Stimmung an – verwandeln Sie Tag in Nacht, optimieren Sie die Atmosphäre oder fügen Sie Kinobeleuchtung hinzu.
• Ändern Sie Kamerawinkel oder Aufnahmearten – Weitwinkelaufnahmen, Nahaufnahmen, different Perspektiven.
• Erhöhen Sie die Auflösung oder ändern Sie das Seitenverhältnis für Social-Media-Beiträge, Banner, Poster und die Verwendung auf mehreren Plattformen.
• Übersetzen oder ersetzen Sie eingebetteten Textual content in Bildern unter Beibehaltung von Structure und Stil.
• Erstellen Sie mehrere Bilder auf einmal für Karussells, Storyboards, Design-Iterationen oder die Serienproduktion.

Gemini-Agent

Man sagt, dass Taten mehr sagen als Worte. Nun, Gemini 3 macht jetzt beides. Gepaart mit Gemini-AgentGemini 3 ist inzwischen ein echter Macher geworden. Anstatt Ihnen nur Antworten zu geben, plant, recherchiert und führt Gemini Agent in Ihrem Namen komplexe, mehrstufige Aufgaben aus und befreit Sie so von langwierigen Arbeitsabläufen.

Der neue Gemini-Agent kann Ihnen bei den folgenden Aufgaben und mehr helfen.

Gemini Agent: Wie es hilft

• Gemini Agent kann Ihren Posteingang bereinigen und organisieren, indem es alte E-Mails scannt, sie clever kategorisiert und Ihnen bei Bedarf beim Verfassen schneller Antworten hilft.
• Es liest und verwaltet Ihren Kalender durchgängig, sodass Sie Besprechungen einrichten, Zeitpläne anpassen und Ereignisse koordinieren können, ohne die Apps manuell wechseln zu müssen.
• Gemini Agent plant komplexe, mehrstufige Aufgaben wie Reisen, Buchungen und Reservierungen, indem es Optionen vergleicht, Particulars sammelt und die besten Optionen präsentiert.
• Es führt umfassende Recherchen im gesamten Net durch, fasst relevante Informationen zusammen und wandelt sie in klare, strukturierte Zusammenfassungen um, die Sie sofort verwenden können.
• Gemini Agent arbeitet direkt mit Gmail, Kalender und anderen Google-Apps zusammen, um Daten abzurufen, Kontext zu interpretieren und Maßnahmen innerhalb Ihres bestehenden Workflows zu ergreifen.
• Es generiert strukturierte Ausgaben wie Projektpläne, Schritt-für-Schritt-Aufschlüsselungen und präsentationsfertige Gliederungen, wodurch es einfacher wird, Rohaufgaben in fertiges Materials umzuwandeln.

Veo 3.1

Veo 3.1 hat sich schnell den Ruf erworben, eines der schärfsten und zuverlässigsten Geräte zu sein KI-Videogeneratoren heute verfügbar. Warum? Es erzeugt einfach die saubersten, kohärentesten und visuell aufwendigsten Movies, die Sie jemals von einem KI-Videogenerator sehen werden. Besonders in Out of doors- und Dwell-Motion-Umgebungen, wo die meisten Modelle dazu neigen, auseinanderzufallen. Die Bewegung fühlt sich natürlich an, die Beleuchtung reagiert realistisch auf die Umgebung und die Szenen verfügen über einen Detaillierungsgrad, der die endgültige Ausgabe eher wie eine bewusst gestaltete als durch künstliche Intelligenz zusammengefügte Wirkung erscheinen lässt. Fügen Sie die Unterstützung mehrerer Stile wie filmisch, animiert und hyperreal hinzu und Sie erhalten ein Videomodell, das nicht nur flexibel, sondern auch bei allen Aufnahmen gleichbleibend genau ist.

Was Veo 3.1 wirklich auszeichnet, ist seine Zugänglichkeit innerhalb des kreativen Ökosystems von Google. Sie können es direkt über Instruments wie YouTube Create verwenden. Dies macht Veo 3.1 zu einer nahtlosen Wahl für Entwickler, die Realismus, Kontrolle und Benutzerfreundlichkeit wünschen, ohne zwischen Plattformen wechseln zu müssen. Für alle, die qualitativ hochwertige, vielseitige Visuals mit zuverlässiger Kontinuität produzieren möchten, ist Veo 3.1 einer der derzeit leistungsstärksten KI-Videotools mehr als gerechtfertigt.

Hier sehen Sie, was Sie damit machen können.

Veo 3.1: Wie es hilft

• Mit Veo 3.1 können Sie Charaktere, Objekte und Stile steuern, indem Sie mehrere Referenzbilder einspeisen und so ein einheitliches Erscheinungsbild in jedem Bild oder jeder Szene gewährleisten.
• Mit Veo 3.1 können Sie bestimmte Umgebungen oder Szenen entwerfen und das Modell steuern, um Beleuchtung, Stimmung und Atmosphäre während der gesamten Sequenz aufrechtzuerhalten.
• Sie können geschichtenbasierte Visuals oder kurze Erzählvideos erstellen, bei denen Schauspieler, Requisiten und Settings von Aufnahme zu Aufnahme stabil bleiben.
• Mit Veo 3.1 können Sie den visuellen Stil anpassen, einschließlich filmischer, animierter, skizzenhafter, realistischer oder markenbezogener Gestaltung, um ihn an den Ton Ihres Projekts anzupassen.
• Sie können kreative Konzepte schnell iterieren, indem Sie nur bestimmte Elemente neu generieren und gleichzeitig die Kernreferenzen beibehalten.

Zwillinge Dwell

Gemini Dwell ist Googles Vorstoß, KI weniger wie eine zu machen Chatbot und eher wie ein natürlich sprechender Begleiter. Anstatt Eingabeaufforderungen einzugeben oder auf statische Antworten zu warten, können Sie jetzt in Echtzeit mit Gemini sprechen, ihn mitten im Satz unterbrechen, die Richtung vorgeben oder das Gesprächstempo im Handumdrehen ändern. Es reagiert sofort, passt seinen Ton an und spricht auf eine Weise, die sich menschlich genug anfühlt, um sich in Ihren Arbeitsablauf einzufügen. Dies ist besonders hilfreich, wenn Sie ein neues Konzept lernen, eine Sprache üben oder laut Brainstorming Ideen entwickeln.

Gemini Dwell ist nicht Ihre alltägliche sprachbasierte Interaktion mit einer KI. Es ist viel dynamischer und gesprächiger und sorgt dafür, dass sich Google AI bei allen Aufgaben persönlicher und intuitiver anfühlt.

Gemini Dwell: Wie es hilft

• Sie können während eines Gesprächs sofort zwischen den Sprachen wechseln, was es ultimate für zweisprachiges Lernen, Reiseplanung oder das Üben neuer Dialekte macht.
• Sie können den Sprechstil, den Ton und das Tempo anpassen – langsames und geduldiges Vorgehen oder eine schnelle und energische Erklärung – alles liegt jetzt in Ihrer Hand.
• Sie können Zwillinge jederzeit unterbrechen, ihn bitten, sich zu korrigieren, eine Idee zu überdenken oder die Richtung zu ändern, ohne das gesamte Gespräch zurückzusetzen.
• Sie können es bitten, Charaktere oder Rollen wie einen Lehrer, Interviewer, Coach oder Geschichtenerzähler zu übernehmen, passend zu der Erfahrung, die Sie schaffen möchten.
• Sie können es als Brainstorming-Accomplice verwenden, indem Sie laut denken, während es Ihre Ideen interpretiert, Strukturen aufbaut und Konzepte in Echtzeit verfeinert.
• Sie können sich beim Lernen unterwegs darauf verlassen, dass komplexe Themen so natürlich aufgeschlüsselt werden, als würden Sie mit jemandem sprechen, der das Thema wirklich versteht.

Die neue Einkaufsfunktion des Gemini 3 verwandelt gelegentliches Stöbern in ein geführtes, intelligentes Erlebnis. Anstatt endlos durch Produkte, Bewertungen und zufällige Vorschläge zu scrollen, können Sie jetzt mit Gemini auf die gleiche Weise sprechen, wie Sie mit einem Filialexperten sprechen würden. Sagen Sie ihm, für wen Sie kaufen, wie Ihr Finances aussieht oder welchen Stil Sie anstreben, und schon werden Optionen aus dem gesamten Web zusammengestellt. Es versteht die Absicht, vergleicht Alternativen und berücksichtigt Preis, Qualität und Relevanz, bevor es die beste Auswahl präsentiert.

Der eigentliche Vorteil liegt in der Geschwindigkeit, mit der all diese Informationen verarbeitet werden. Hier finden Sie alles, was Sie mit dem neuen Shopper bei Gemini tun können.

Gemini-Einkaufshilfe: Wie sie hilft

• Sie können nach personalisierten Geschenkideen basierend auf Alter, Interessen, Anlässen oder Persönlichkeitsmerkmalen fragen und kuratierte Optionen erhalten.
• Sie können kategorienübergreifend neue Produkte entdecken, indem Sie beschreiben, was Sie benötigen (wenn auch nur vage).
• Sie können Produkte nebeneinander vergleichen, einschließlich Spezifikationen, Funktionen, Vor- und Nachteilen sowie langfristigem Wert.
• Sie können in Echtzeit Einblicke in die Preisgestaltung, different Optionen und budgetfreundliche Varianten erhalten und so schneller Entscheidungen treffen.
• Sie können Einschränkungen beschreiben, z. B. nur umweltfreundlich, minimalistisches Design oder kompakte Größe. Gemini filtert alles heraus, was nicht Ihren Vorlieben entspricht.
• Sie können sich auf die Unterstützung beim Final-Minute-Einkauf verlassen, denn es identifiziert schnell die besten verfügbaren Artikel und hilft Ihnen, die Particulars vor dem Kauf zu prüfen.

Deep Analysis + Workspace-Integration: Ihre Wissensdatenbank, jetzt verbunden

Deep Analysis innerhalb von Gemini kann jetzt direkt auf Gmail, Drive, Dokumente, Tabellen, Folien, PDFs und sogar Google Chat zugreifen. Dies soll dazu beitragen, reichhaltigere, kontextbezogenere Ausgaben zu erstellen. Anstatt sich manuell durch alte E-Mails, verstreute Dokumente oder freigegebene Ordner zu wühlen, können Sie Google AI eine einzige Frage stellen und erhalten eine konsolidierte, intestine strukturierte Antwort, die persönliche Dateien mit verifizierten Webquellen verbindet. Dadurch wird Ihr gesamter Arbeitsbereich effektiv zu einer einheitlichen Wissensebene. Kein Wechseln zwischen Tabs oder die Suche nach Referenzen in Hunderten von alten Dateien, Ordnern und Chats mehr.

Hier finden Sie alles, was Sie mit der neuen Deep Analysis-Integration mit Workspace tun können.

Deep Analysis + Workspace: Wie es hilft

• Sie können Forschungszusammenfassungen erstellen, die Erkenntnisse aus Ihren Gmail-, Drive-Dateien und Google Chat-Nachrichten kombinieren.
• Sie können wichtige Daten aus langen Dokumenten abrufen, einschließlich Dokumenten, Folien, Tabellen und PDFs. Lassen Sie es dann von Gemini in übersichtliche Abschnitte, Tabellen oder Aufzählungspunkte einteilen.
• Sie können Fragen zu vergangenen Gesprächen oder geteilten Dokumenten stellen. Die KI ruft relevante Teile automatisch ab und fügt Ihrer Recherche Kontext hinzu.
• Sie können Zahlen, Zitate, Referenzen oder Anhänge extrahieren, die tief in Ihrem Posteingang oder Drive vergraben sind.
• Sie können sich darauf verlassen, dass Struktur, Zitate und Klarheit erhalten bleiben. Dies ist bei der Arbeit mit großen Dateisätzen hilfreich und spart Stunden manueller Sortier- und Formatierungsarbeit.

Abschluss

Da haben Sie es additionally, das Neueste aus der KI-Suite von Google. Es ist leicht zu erkennen, wie Google AI im Stillen unsere Arbeitsweise umgestaltet. Mit intelligenteren Modellen, stärkeren kreativen Instruments, echter Aufgabenausführung durch Agenten und tieferer Integration im gesamten Workspace signalisieren diese Aktualisierungen einen Wandel von „KI, die hilft“ hin zu KI, die aktiv zusammenarbeitet.

Die Ergebnisse dieses Monats zeigen eine klare Richtung: Google möchte, dass KI die Ebene wird, die alles antreibt, was Sie tun. Und angesichts des Tempos, das wir sehen, ist dies möglicherweise erst der Anfang.

Bild von Autor | Leinwand

Die Aufgabe eines Interviewers ist es, die am besten geeigneten Kandidaten für die beworbene Place zu finden. Dabei stellen sie gerne Fragen zu SQL -Interviews, um zu sehen, ob sie Sie überrascht. Es gibt mehrere SQL -Konzepte, an denen Kandidaten häufig scheitern.

Hoffentlich sind Sie einer von denen, die dieses Schicksal vermeiden, da ich diese Konzepte im Folgenden im Element erläutern werde, um Beispiele für die korrekte Lösung bestimmter Probleme.

# 1. Fensterfunktionen

Warum es schwierig ist: Kandidaten merken sich, was jeder Fensterfunktion Versteht aber nicht wirklich, wie Fensterrahmen, Partitionen oder Bestellung tatsächlich funktionieren.

Häufige Fehler: Ein häufiger Fehler ist nicht ORDER BY in Rating -Fensterfunktionen oder Wertungsfensterfunktionen wie z. LEAD() oder LAG()und erwarten, dass die Anfrage funktioniert oder das Ergebnis deterministisch ist.

Beispiel: in Dieses Beispiel, Sie müssen Benutzer finden, die innerhalb von 7 Tagen nach früheren Kauf einen zweiten Kauf getätigt haben.

Sie können diese Frage schreiben.

WITH ordered_tx AS (
  SELECT user_id,
         created_at::date AS tx_date,
         LAG(created_at::DATE) OVER (PARTITION BY user_id) AS prev_tx_date
  FROM amazon_transactions
)

SELECT DISTINCT user_id
FROM ordered_tx
WHERE prev_tx_date IS NOT NULL AND tx_date - prev_tx_date <= 7;

Auf den ersten Blick magazine alles richtig erscheinen. Der Code gibt sogar etwas aus, das möglicherweise eine korrekte Antwort ist.

Zunächst haben wir Glück, dass der Code überhaupt funktioniert! Dies geschieht einfach, weil ich es einschreibe PostgreSQL. In einigen anderen SQL -Geschmacksrichtungen erhalten Sie seitdem einen Fehler ORDER BY ist obligatorisch bei Rating- und Analysefensterfunktionen.

Zweitens ist die Ausgabe falsch; Ich habe einige Reihen hervorgehoben, die nicht da sein sollten. Warum erscheinen sie dann?

Sie erscheinen, weil wir keine angegeben haben ORDER BY Klausel in der LAG() Fensterfunktion. Ohne sie ist die Zeilenreihenfolge willkürlich. Wir vergleichen additionally die aktuelle Transaktion mit einer zufälligen früheren Zeile für diesen Benutzer, nicht mit dem, der unmittelbar vor der Zeit vor ihr auftrat.

Dies ist nicht das, was die Frage stellt. Wir müssen jede Transaktion mit der vorherigen nach Datum vergleichen. Mit anderen Worten müssen wir dies explizit in der angeben ORDER BY Klausel innerhalb der LAG() Funktion.

WITH ordered_tx AS (
  SELECT user_id,
         created_at::date AS tx_date,
         LAG(created_at::DATE) OVER (PARTITION BY user_id ORDER BY created_at) AS prev_tx_date
  FROM amazon_transactions
)

SELECT DISTINCT user_id
FROM ordered_tx
WHERE prev_tx_date IS NOT NULL AND tx_date - prev_tx_date <= 7;

# 2. Filterung mit Aggregaten (insbesondere gegen wo)

Warum es schwierig ist: Die Leute verstehen die Ausführungsreihenfolge in SQL oft nicht: nämlich: FROM -> WHERE -> GROUP BY -> HAVING -> SELECT -> ORDER BY. Diese Reihenfolge bedeutet das WHERE Filterreihen vor der Aggregation und HAVING Filter nach. Das bedeutet auch logischerweise, dass Sie keine Aggregatfunktionen in der verwenden können WHERE Klausel.

Häufiger Fehler: Versuch, Aggregatfunktionen in zu verwenden WHERE in einer gruppierten Abfrage und einen Fehler erhalten.

Beispiel: Diese Interviewfrage Bittet Sie, die Gesamtumsätze jedes Weinguts zu finden. Nur Weingüter, bei denen 90 die niedrigste Anzahl von Punkten für eine ihrer Sorten sind, sollten berücksichtigt werden.

Viele werden dies als einfache Frage ansehen und diese Frage hastig schreiben.

SELECT vineyard,
       selection,
       SUM(value) AS total_revenue
FROM winemag_p1
WHERE MIN(factors) >= 90
GROUP BY vineyard, selection
ORDER BY vineyard, total_revenue DESC;

Dieser Code macht jedoch einen Fehler, der besagt, dass die Aggregatfunktionen in der nicht zulässig sind WHERE Klausel. Das erklärt so ziemlich alles. Die Lösung? Bewegen Sie die Filterbedingung aus WHERE Zu HAVING.

SELECT vineyard,
       selection,
       SUM(value) AS total_revenue
FROM winemag_p1
GROUP BY vineyard, selection
HAVING MIN(factors) >= 90
ORDER BY vineyard, total_revenue DESC;

# 3..

Warum es schwer ist: die Idee von Einen Tisch mit sich selbst beitreten ist ziemlich unintuitiv, daher vergessen Kandidaten oft, dass es eine Possibility ist.

Häufiger Fehler: Die Verwendung von Unterabfragen und das Komplizieren der Abfrage beim Beitritt zu einer Tabelle mit sich selbst wäre einfacher und schneller, insbesondere beim Filtern durch Daten oder Ereignisse.

Beispiel: Hier ist a Frage Bitten Sie Sie, die Änderung der Wechselkurs jeder Währung zwischen dem 1. Januar 2020 und dem 1. Juli 2020 zu zeigen.

Sie können dies lösen, indem Sie eine äußere korrelierte Unterabfrage schreiben, die die Wechselkurse vom 1. Juli abreißt, und dann die Wechselkurse vom 1. Januar abziehen, die aus der inneren Unterabfrage stammen.

SELECT jan_rates.source_currency,
  (SELECT exchange_rate 
   FROM sf_exchange_rate 
   WHERE source_currency = jan_rates.source_currency AND date="2020-07-01") - jan_rates.exchange_rate AS distinction
FROM (SELECT source_currency, exchange_rate
      FROM sf_exchange_rate
      WHERE date="2020-01-01"
) AS jan_rates;

Dies gibt eine korrekte Ausgabe zurück, aber eine solche Lösung ist unnötig kompliziert. Eine viel einfachere Lösung mit weniger Codezeilen beinhaltet die Selbstversorgung einer Tabelle mit sich selbst und anschließend zwei Datumsfilterungsbedingungen in der WHERE Klausel.

SELECT jan.source_currency,
       jul.exchange_rate - jan.exchange_rate AS distinction
FROM sf_exchange_rate jan
JOIN sf_exchange_rate jul ON jan.source_currency = jul.source_currency
WHERE jan.date="2020-01-01" AND jul.date="2020-07-01";

# 4. Unterabfragen gegen gemeinsame Tabellenausdrücke (CTEs)

Warum es schwierig ist: Die Menschen stecken oft auf Unterabfragen fest, weil sie sie vor gemeinsamen Tischausdrücken (CTEs) lernen und sie weiterhin für eine Abfrage mit geschichteter Logik verwenden. Unterabfragen können jedoch sehr schnell chaotisch werden.

Häufiger Fehler: tief verschachtelte Verwendung SELECT Aussagen, wenn CTES viel einfacher wären.

Beispiel: In der Interviewfrage Von Google und Netflix müssen Sie die Prime -Schauspieler basierend auf der durchschnittlichen Filmbewertung in dem Style finden, in dem sie am häufigsten erscheinen.

Die Lösung mit CTES ist wie folgt.

WITH genre_stats AS
  (SELECT actor_name,
          style,
          COUNT(*) AS movie_count,
          AVG(movie_rating) AS avg_rating
   FROM top_actors_rating
   GROUP BY actor_name,
            style),
            
max_genre_count AS
  (SELECT actor_name,
          MAX(movie_count) AS max_count
   FROM genre_stats
   GROUP BY actor_name),
     
top_genres AS
  (SELECT gs.*
   FROM genre_stats gs
   JOIN max_genre_count mgc ON gs.actor_name = mgc.actor_name
   AND gs.movie_count = mgc.max_count),
     
top_genre_avg AS
  (SELECT actor_name,
          MAX(avg_rating) AS max_avg_rating
   FROM top_genres
   GROUP BY actor_name),
   
filtered_top_genres AS
  (SELECT tg.*
   FROM top_genres tg
   JOIN top_genre_avg tga ON tg.actor_name = tga.actor_name
   AND tg.avg_rating = tga.max_avg_rating),
     ranked_actors AS
  (SELECT *,
          DENSE_RANK() OVER (
                             ORDER BY avg_rating DESC) AS rank
   FROM filtered_top_genres),
   
final_selection AS
  (SELECT MAX(rank) AS max_rank
   FROM ranked_actors
   WHERE rank <= 3)
   
SELECT actor_name,
       style,
       avg_rating
FROM ranked_actors
WHERE rank <=
    (SELECT max_rank
     FROM final_selection);

Es ist relativ kompliziert, besteht jedoch immer noch aus sechs klaren CTEs, wobei die Lesbarkeit des Codes durch klare Aliase verbessert wird.

Neugierig, wie die gleiche Lösung aussehen würde, nur bei Unterabfragen zu verwenden? Hier ist es.

SELECT ra.actor_name,
       ra.style,
       ra.avg_rating
FROM (
    SELECT *,
           DENSE_RANK() OVER (ORDER BY avg_rating DESC) AS rank
    FROM (
        SELECT tg.*
        FROM (
            SELECT gs.*
            FROM (
                SELECT actor_name,
                       style,
                       COUNT(*) AS movie_count,
                       AVG(movie_rating) AS avg_rating
                FROM top_actors_rating
                GROUP BY actor_name, style
            ) AS gs
            JOIN (
                SELECT actor_name,
                       MAX(movie_count) AS max_count
                FROM (
                    SELECT actor_name,
                           style,
                           COUNT(*) AS movie_count,
                           AVG(movie_rating) AS avg_rating
                    FROM top_actors_rating
                    GROUP BY actor_name, style
                ) AS genre_stats
                GROUP BY actor_name
            ) AS mgc
            ON gs.actor_name = mgc.actor_name AND gs.movie_count = mgc.max_count
        ) AS tg
        JOIN (
            SELECT actor_name,
                   MAX(avg_rating) AS max_avg_rating
            FROM (
                SELECT gs.*
                FROM (
                    SELECT actor_name,
                           style,
                           COUNT(*) AS movie_count,
                           AVG(movie_rating) AS avg_rating
                    FROM top_actors_rating
                    GROUP BY actor_name, style
                ) AS gs
                JOIN (
                    SELECT actor_name,
                           MAX(movie_count) AS max_count
                    FROM (
                        SELECT actor_name,
                               style,
                               COUNT(*) AS movie_count,
                               AVG(movie_rating) AS avg_rating
                        FROM top_actors_rating
                        GROUP BY actor_name, style
                    ) AS genre_stats
                    GROUP BY actor_name
                ) AS mgc
                ON gs.actor_name = mgc.actor_name AND gs.movie_count = mgc.max_count
            ) AS top_genres
            GROUP BY actor_name
        ) AS tga
        ON tg.actor_name = tga.actor_name AND tg.avg_rating = tga.max_avg_rating
    ) AS filtered_top_genres
) AS ra
WHERE ra.rank <= (
    SELECT MAX(rank)
    FROM (
        SELECT *,
               DENSE_RANK() OVER (ORDER BY avg_rating DESC) AS rank
        FROM (
            SELECT tg.*
            FROM (
                SELECT gs.*
                FROM (
                    SELECT actor_name,
                           style,
                           COUNT(*) AS movie_count,
                           AVG(movie_rating) AS avg_rating
                    FROM top_actors_rating
                    GROUP BY actor_name, style
                ) AS gs
                JOIN (
                    SELECT actor_name,
                           MAX(movie_count) AS max_count
                    FROM (
                        SELECT actor_name,
                               style,
                               COUNT(*) AS movie_count,
                               AVG(movie_rating) AS avg_rating
                        FROM top_actors_rating
                        GROUP BY actor_name, style
                    ) AS genre_stats
                    GROUP BY actor_name
                ) AS mgc
                ON gs.actor_name = mgc.actor_name AND gs.movie_count = mgc.max_count
            ) AS tg
            JOIN (
                SELECT actor_name,
                       MAX(avg_rating) AS max_avg_rating
                FROM (
                    SELECT gs.*
                    FROM (
                        SELECT actor_name,
                               style,
                               COUNT(*) AS movie_count,
                               AVG(movie_rating) AS avg_rating
                        FROM top_actors_rating
                        GROUP BY actor_name, style
                    ) AS gs
                    JOIN (
                        SELECT actor_name,
                               MAX(movie_count) AS max_count
                        FROM (
                            SELECT actor_name,
                                   style,
                                   COUNT(*) AS movie_count,
                                   AVG(movie_rating) AS avg_rating
                            FROM top_actors_rating
                            GROUP BY actor_name, style
                        ) AS genre_stats
                        GROUP BY actor_name
                    ) AS mgc
                    ON gs.actor_name = mgc.actor_name AND gs.movie_count = mgc.max_count
                ) AS top_genres
                GROUP BY actor_name
            ) AS tga
            ON tg.actor_name = tga.actor_name AND tg.avg_rating = tga.max_avg_rating
        ) AS filtered_top_genres
    ) AS ranked_actors
    WHERE rank <= 3
);

Es wird eine redundante Logik über Unterabfragen wiederholt. Wie viele Unterabfragen ist das? Ich habe keine Ahnung. Der Code ist unmöglich zu warten. Obwohl ich es gerade geschrieben habe, würde ich noch einen halben Tag brauchen, um es zu verstehen, wenn ich morgen etwas ändern wollte. Darüber hinaus helfen die völlig bedeutungslosen Unterabfrage -Aliase nicht.

# 5. Umgang mit Nulls in Logik

Warum es schwierig ist: Kandidaten denken oft das NULL ist gleich etwas. Es ist nicht. NULL ist nicht gleich etwas – nicht einmal selbst. Logik mit NULLS verhält sich unterschiedlich als die Logik, die tatsächliche Werte beinhaltet.

Häufiger Fehler: Verwenden = NULL anstatt IS NULL bei Filterung oder fehlenden Ausgabezeilen, weil NULLs Brechen Sie die Bedingungslogik.

Beispiel: Es gibt eine Interviewfrage von IBM Damit werden Sie aufgefordert, die Gesamtzahl der Interaktionen und die Gesamtzahl der für jeden Kunden erstellten Inhalte zu berechnen.

Es klingt nicht zu schwierig, daher können Sie diese Lösung mit zwei CTEs schreiben, wobei ein CTE die Anzahl der Interaktionen professional Kunden zählt, während die andere die Anzahl der von einem Kunden erstellten Inhaltselemente zählt. Im Finale SELECTDu FULL OUTER JOIN Die beiden Ctes, und Sie haben die Lösung. Rechts?

WITH interactions_summary AS
  (SELECT customer_id,
          COUNT(*) AS total_interactions
   FROM customer_interactions
   GROUP BY customer_id),
   
content_summary AS
  (SELECT customer_id,
          COUNT(*) AS total_content_items
   FROM user_content
   GROUP BY customer_id)
   
SELECT i.customer_id,
  i.total_interactions,
  c.total_content_items
FROM interactions_summary AS i
FULL OUTER JOIN content_summary AS c ON i.customer_id = c.customer_id
ORDER BY customer_id;

Quick richtig. Hier ist die Ausgabe. (Übrigens sehen Sie doppelte Anführungszeichen („“) anstelle von NULL. So zeigt die Stratascratch -Benutzeroberfläche sie an, aber vertrauen Sie mir, der Motor behandelt sie immer noch für das, was sie sind: NULL Werte).

Die hervorgehobenen Reihen enthalten NULLS. Dies macht die Ausgabe falsch. A NULL Wert ist weder die Kunden -ID noch die Anzahl der Interaktionen und Inhalte, die die Frage ausdrücklich auffordert.

Was uns in der obigen Lösung fehlt, ist COALESCE() zu handhaben NULLs im Finale SELECT. Jetzt erhalten alle Kunden ohne Interaktionen ihre IDs von der content_summary CTE. Auch für Kunden, die weder Interaktionen noch Inhalte haben, oder beides, werden wir jetzt ersetzen NULL mit 0, was eine gültige Nummer ist.

WITH interactions_summary AS
  (SELECT customer_id,
          COUNT(*) AS total_interactions
   FROM customer_interactions
   GROUP BY customer_id),
   
content_summary AS
  (SELECT customer_id,
          COUNT(*) AS total_content_items
   FROM user_content
   GROUP BY customer_id)
   
SELECT COALESCE(i.customer_id, c.customer_id) AS customer_id,
       COALESCE(i.total_interactions, 0) AS total_interactions,
       COALESCE(c.total_content_items, 0) AS total_content_items
FROM interactions_summary AS i
FULL OUTER JOIN content_summary AS c ON i.customer_id = c.customer_id
ORDER BY customer_id;

# 6. Gruppenbasierte Deduplizierung

Warum es schwierig ist: Gruppenbasierter Deduplizierung bedeutet, dass Sie eine Zeile professional Gruppe, z. B. „neulichste“, „höchste Punktzahl“ usw. auswählen. Zunächst hört sich es so an, als müssten Sie nur eine Zeile professional Benutzer auswählen. Aber du kannst nicht benutzen GROUP BY es sei denn, Sie aggregieren. Andererseits benötigen Sie oft eine vollständige Zeile, keinen einzigen Wert, den Aggregation und GROUP BY zurückkehren.

Häufiger Fehler: Verwenden GROUP BY + LIMIT 1 (oder Unterschiedlich aufwas postgresql-spezifisch ist) anstelle von ROW_NUMBER() oder RANK()Letzteres, wenn Sie Krawatten enthalten möchten.

Beispiel: Diese Frage Bitten Sie, den meistverkauften Artikel für jeden Monat zu identifizieren, und es besteht keine Notwendigkeit, Monate zu Jahr zu trennen. Der meistverkaufte Ingredient wird berechnet als unitprice * amount.

Der naive Ansatz wäre dies. Extrahieren Sie zuerst den Verkaufsmonat aus invoicedatewählen descriptionund finden Sie den Gesamtumsatz durch Summieren unitprice * amount. Dann, um den Gesamtumsatz nach Monat und Produktbeschreibung zu erhalten, haben wir einfach einfach GROUP BY diese beiden Spalten. Schließlich müssen wir nur verwenden ORDER BY Um die Ausgabe vom Besten zum schlechtesten Sendungsprodukt zu sortieren und zu verwenden LIMIT 1 Um nur die erste Zeile auszugeben, dh das meistverkaufte Ingredient.

SELECT DATE_PART('MONTH', invoicedate) AS sale_month,
       description,
       SUM(unitprice * amount) AS total_paid
FROM online_retail
GROUP BY sale_month, description
ORDER BY total_paid DESC
LIMIT 1;

Wie gesagt, das ist naiv; Die Ausgabe ähnelt etwas, was wir brauchen, aber wir brauchen dies für jeden Monat, nicht nur für einen.

Einer der korrekten Ansätze ist die Verwendung der Verwendung RANK() Fensterfunktion. Mit diesem Ansatz folgen wir einer ähnlichen Methode wie im vorherigen Code. Der Unterschied besteht darin, dass die Abfrage jetzt zu einer Unterabfrage in der FROM Klausel. Außerdem verwenden wir RANK() Um die Daten nach Monat zu partitionieren und dann die Zeilen innerhalb jeder Partition (dh für jeden Monat separat) vom Bestseller bis zum schlimmsten Promoting-Ingredient zu bewerten.

In der Hauptabfrage wählen wir dann einfach die erforderlichen Spalten aus und geben nur Zeilen aus, an denen der Rang 1 verwendet wird WHERE Klausel.

SELECT month,
       description,
       total_paid
FROM
  (SELECT DATE_PART('month', invoicedate) AS month,
          description,
          SUM(unitprice * amount) AS total_paid,
          RANK() OVER (PARTITION BY DATE_PART('month', invoicedate) ORDER BY SUM(unitprice * amount) DESC) AS rnk
   FROM online_retail
   GROUP BY month, description) AS tmp
WHERE rnk = 1;

# Abschluss

Die sechs Konzepte, die wir häufig in SQL -Coding -Interviewfragen behandelt haben. Achten Sie auf sie, praktizieren Sie Interviewfragen, die diese Konzepte beinhalten, die richtigen Ansätze lernen, und Sie werden Ihre Chancen in Ihren Interviews erheblich verbessern.

Nate Rosidi ist Datenwissenschaftler und in Produktstrategie. Er ist außerdem eine zusätzliche Professorin für Lehranalysen und Gründer von Stratascratch, einer Plattform, die Datenwissenschaftlern hilft, sich auf ihre Interviews mit echten Interviewfragen von Prime -Unternehmen vorzubereiten. Nate schreibt über die neuesten Traits auf dem Karrieremarkt, gibt Interviewberatung, teilt Datenwissenschaftsprojekte und deckt alles SQL ab.

Gesponserte Inhalte

DataCamp Free Entry Week: Python + AI

Hör auf, was du tust. DataCamp hat gerade eine ganze Woche von freigeschaltet Python und KI lernen – kompliziert frei.
Es gibt keinen Haken. Keine Zahlung, keine Verhandlungsphase, keine Verpflichtung, keine Erfahrung erforderlich.

Egal, ob Sie von vorne anfangen oder auf technischen Fähigkeiten aufbauen möchten, dies ist Ihre Probability, auf das vollständige DataCamp-Erlebnis zuzugreifen, einschließlich interaktiver Kurse, Karriere-Tracks, Zertifizierungen und realer Projekte.

Warum Python auf DataCamp lernen?

AI magazine Code generieren, aber Python lässt es funktionieren.

Wenn KI die Automatisierung beschleunigt und das Barrieren für die Erstellung von Code senkt, bietet die Fließfähigkeit in der weltweit führenden Programmiersprache Analysten, technischen Praktikern und Führungskräften gleichermaßen einen strategischen Vorteil.

Das Erlernen dieser Instruments sollte jedoch nicht auf diejenigen beschränkt sein, die sich teure Bootcamps oder Abschlüsse leisten können.

Deshalb existiert die freie Zugangswoche: Um allen-von Anfängern zu Fachleuten-eine Probability zu geben, berufliche Fähigkeiten aufzubauen und High-Anmeldeinformationen ohne die Kostensperrung zu verdienen.

Mit interaktiven Kursen, praktischen Projekten und branchenführenden Zertifizierungen ermöglicht DataCamp 17 Millionen Lernende weltweit, neue Fähigkeiten schnell aufzubauen, sich mit Zuversicht zu bewerben und ihre Karriere zu übernehmen.

Nochmal ist es völlig kostenlos.

Werden Sie zertifizierter Datenanalyst in einer Woche

Ja, wirklich. Du kannst Werden Sie als Python Information Analyst in einer einzigen Woche zertifiziertvöllig frei.

Unabhängig davon, ob Sie in Ihrem Tagesjob gerade erst anfangen oder bereits Daten verwenden, beweist diese Zertifizierung den Arbeitgebern, dass Sie mit realen Daten in Python zusammenarbeiten und sie in Unternehmenserkenntnisse umwandeln können.

Hier finden Sie einen kurzen Überblick über die Karriere -Monitor und -Zertifizierung

Datenanalyst in Python: Von Anfänger bis zertifiziert

Einer der beliebtesten Lernpfade von DataCamp, die Datenanalyst in Python Monitor Es wurde entwickelt, um Anfänger in berufsbereite Experten zu verwandeln.

Sie lernen zunächst, wie Sie Daten importieren, reinigen und manipulieren, und wechseln dann in Visualisierungen und statistische Analysen ein. Durch interaktive, browserbasierte Übungen werden Sie mit Kernwerkzeugen wie möglich praktizieren Pandas, Numpy und Seeborn.

Am Ende der Strecke werden Sie wissen, wie man:

• Analysieren Sie Daten mit Python von Grund auf neu
• Erstellen Sie Dashboards und Visualisierungen
• Automatisieren Sie Workflows und wenden Sie KI -Instruments an
• Bereiten Sie sich auf eine branchenbezogene Zertifizierung vor und bestehen-

Die Zertifizierung? Sie werden zwei zeitgesteuerte und eine praktische Prüfung abschließen, die das abdecken, was Sie in der Strecke gelernt haben.

Entworfen von Branchenexperten und Einstellungsmanagern, um die neuesten Anforderungen eines Datenanalysters ein Einstiegsklasse widerzuspiegeln, zeigen Sie Ihre Fähigkeit zur Durchführung von explorativen Analysen und statistischen Experimenten.

Alles innerhalb einer Woche. Alles völlig frei.

Handeln Sie jetzt, warten Sie nicht

Die Freizugriffswoche von DataCamp läuft vom 25. bis 31. August.und es beinhaltet alles Über den Curriculum von Python und KI.

Dies ist nicht nur eine Probability zu lernen – es ist eine Probability dazu Beweisen Sie Ihre gefragten Fähigkeiten und verdienen Sie eine branchenführende Anmeldeinformation, die den Einstellungsmanagern anstellen, die Ihre Fähigkeiten bereit sind, Maßnahmen zu ergreifen.

Keine Kreditkarte. Kein Risiko. Nur berufliche Fähigkeiten, kostenlos für eine Woche.

Fangen Sie jetzt an.

Selbst mit einem persönlichen Assistenten in jeder Hand gibt es heute einen Informationen, der den Wert nicht verloren hat. Bücher! Bitten Sie jemanden, den es sich lohnt, einen Experten auf seinem Gebiet oder jemanden, der es im Allgemeinen im Leben groß gemacht hat, und er wird Ihnen sagen, dass Bücher immer noch das wertvollste Informationsformat sind. „Lesen Sie Bücher“, wird dann weniger ein generischer Rat und eher ein Prinzip für den Erfolg. Für unsere Ai-begeisterten Freunde ist dies gleichermaßen wahr. Um Ihnen allen zu helfen, haben wir hier eine Liste kostenloser Bücher über KI (künstliche Intelligenz) zusammengestellt, die Sie aus dem Web steigen und sofort mit dem Lesen beginnen können.

Ohne weiteres finden Sie hier Ihre Liste der besten kostenlosen eBooks auf KI, die von kürzesten bis längsten sortiert sind.

Hinweis: Sie können auch unseren Artikel über lesen Prime 6 Bücher auf Lappen hier.

1. Der Anfängerleitfaden zur KI für künstliche Intelligenz AI

Autor: Frank Dartey Amankonah
Länge: 58 Seiten

Genau wie der Titel erwähnt, soll dieses E-E-book von Amankonah jedem Anfänger helfen, ein praktisches Erlebnis mit KI und seinen Anwendungen über Felder hinweg zu sammeln. Amankonah erklärt zwar zahlreiche Konzepte, die im KI-Bereich versteckt sind, und untersucht das Potenzial der New-Age-Technologie, die Welt zu verändern, wie wir sie sehen. Parallel dazu warnt er auch vor dem potenziellen Nachteil davon und der dringend müssen wachsam bleiben, um KI zu nutzen und wie sehr wir in der heutigen Welt dem vertrauen.

Wie man liest: Sie können Free-ebooks.web besuchen, um das kostenlose eBook zu lesen oder einfach klicken Sie hier. Beachten Sie, dass Sie mit der Plattform 1 kostenlose eBook professional Monat lesen können. Wählen Sie additionally mit Bedacht aus, falls Sie nicht beabsichtigen, ein Abonnement zu erhalten.

Die wichtigsten Themen gehörten:

• Einführung in die künstliche Intelligenz
• Arten künstlicher Intelligenz
• Anwendungen von AI
• Maschinelles Lernen
• Tiefes Lernen
• Ethik in künstlicher Intelligenz
• Zukunft der künstlichen Intelligenz

2. Einführung in die künstliche Intelligenz von Marc Toussaint

Autor: Dr. Marc Toussaint
Länge: 248 Seiten

Ein weiteres Muss für diejenigen, die versuchen, KI von Grund auf neu zu lernen. Die Arbeit von Dr. Toussaint deckt sowohl grundlegende als auch fortschrittliche KI -Konzepte im Element ab. Technische Konzepte wie Forschungsdesign, Wahrscheinlichkeitstheorie und das Drawback mit mehreren bewaffneten Räubern werden in einem leicht zu freazialen Format intestine erfasst, das sich perfekt zum Verständnis von Entscheidungsprozessen und anderen komplexen KI-Strukturen eignet.

Das Buch ist eine neu formatierte Model aller Vorlesungsfolien und Übungen des Künstlungs -Intelligenzkurs an der Universität von Stuttgart. Wenn Sie additionally durchlesen, werden Sie sofort verstehen, dass das gesamte eBook mit einem Zweck stammt – um KI -Konzepte zu lehren. Perfect für diejenigen, die mehr darüber verstehen möchten.

Wie man liest: Du kannst Lesen Sie hier das kostenlose Buch über KI.

Die wichtigsten Themen gehörten:

• Suche und Problemlösung
• Wahrscheinlichkeiten und Unsicherheit
• Entscheidungsfindung und Planung
• Verstärkungslernen
• Grafische und dynamische Modelle
• Logik- und Wissensdarstellung
• Maschinelles Lernen und neuronale Netze
• Erklärbare AI

3.. Künstliche Intelligenz verstehen

Autor: Henry Charles Mishkoff
Länge: 258 Seiten

Dieses Buch ist ein Kultklassiker in der Welt der künstlichen Intelligenz und ist ein erfrischender Schritt zurück von der Explosion von KI, die wir heute überall sehen. Stattdessen versucht es, die Kernprinzipien der KI zu verstehen, indem Sie die intuitivsten Fragen stellen. Was ist künstliche Intelligenz? Kann es die menschliche Intelligenz wirklich imitieren oder sogar übertreffen? Wie funktioniert es und wohin führt es uns? sind nur einige der Erkenntnisse, die in diesem Buch geteilt werden.

Das Beste an diesem Buch ist, dass Mishkoff hier Konzepte mit KI-Experten wie Edward A. Feigenbaum und Bruce G. Buchanan auf völlig nichttechnische, jargonfreie Weise teilt. Dies macht das Buch sofort perfect und für die Mehrheit des Publikums zugegeben. Sei es ein neugieriger Leser, ein Scholar oder ein Fachmann, der seine Karriere fördern möchte, dieses Buch dient allen.

Wie man liest: Du kannst Lesen Sie hier das kostenlose eBook. Beachten Sie, Sie müssen sich anmelden/ anmelden, um das Buch zu lesen.

Die wichtigsten Themen gehörten:

• Was ist künstliche Intelligenz?
• Die Geschichte der künstlichen Intelligenz
• Expertensysteme
• Verarbeitung natürlicher Sprache
• Menschliche Fähigkeiten verstärken
• Andere Anwendungen für künstliche Intelligenz
• Symbolische Verarbeitung
• Experten -Systementwicklungswerkzeuge
• Lisp -Maschinen
• Fortsetzung der Bemühungen künstlicher Intelligenz

4. Crashkurs in künstlichen Intelligenz und Expertensystemen

Autor: Louis E. Frenzel
Seiten: 358

Unter vielen KI -Büchern, die jemals geschrieben wurden, fällt diese von Frenzel aus seinen eigenen guten Gründen auf. Während die meisten anderen für Schüler des Feldes sind und das Lernen und Vorlesungen im Klassenzimmer ergänzen sollen, sind andere viel zu verblüfft und überspringen wichtige Nuancen zu diesem Thema. Frenzels Arbeit stach im Laufe der Jahrzehnte als Klassiker heraus, nur weil sie nur den Candy Spot in der Mitte erreicht hatten.

In einem stark strukturierten Format führt das Buch Sie durch einen Überblick über die KI und seine einzigartigen Computertechniken. Dazu gehören Suchmethoden und Wissensrepräsentationsschemata. Sobald die Grundlagen klar sind, befasst es sich tief in mehr technische Dinge wie Expertensysteme, Verarbeitung natürlicher Sprache und vieles mehr. Dies ist ein Muss für alle, die sowohl eine Oberflächenebene als auch ein tieferes Verständnis der KI und ihrer Arbeiten haben möchten.

Wie man liest: Lesen Sie hier das vollständige Buch über KI kostenlos. Anmelden/ Anmelden erforderlich.

Die wichtigsten Themen gehörten:

• Laptop nützlicher machen, indem sie sie schlauer machen
• Wissensdarstellung
• Ein Ansatz zur Problemlösung
• Einführung in Expertensysteme
• Entwicklung eines Expertensystems
• Verarbeitung natürlicher Sprache und Spracherkennung
• Laptop Imaginative and prescient
• Robotik und KI
• KI -Programmierung in Lisp
• Prolog und andere KI -Sprachen
• KI -{Hardware} und die Zukunft von KI

5. Programmierung künstlicher Intelligenz mit Python

Autor: Perry Xiao
Länge: 720 Seiten

Der einzige Grund, warum dieses Buch so weit unten aufgeführt ist, ist die Tatsache, dass Sie nur 10 Tage lang kostenlos darauf zugreifen können. Diese hoch verehrte Arbeit des erfahrenen Pädagogen und Photophysiker Dr. Perry Xiao ist eine „praktische Roadmap für die Verwendung von Python für künstliche Intelligenzprogramme“. In einer sehr praktischen (mit Code) und einfach zu ergreifenden Artwork und Weise lehrt das Buch Sie die Grundlagen von AI von Grund auf neu.

Xiaos Buch deckt im Grunde drei wichtige Teile der Welt der KI ab. Dies sind – künstliche Intelligenz insgesamt, maschinelles Lernen und tiefes Lernen. Weitere technische Konzepte, die in MATLAB, Python, beaufsichtigtes und unbeaufsichtigtes maschinelles Lernen, Python „Cheat Sheet“ und vieles mehr gehören. Wenn Sie durch Python KI lernen möchten, sollten Sie dies frühestens lesen.

Wie man liest: Sie können sich anmelden und Lesen Sie hier das KI -Buch kostenlosaber nur für eine begrenzte Zeit von 10 Tagen.

Die wichtigsten Themen gehörten:

• Einführung in AI
• KI -Entwicklungstools
• Maschinelles Lernen
• Tiefes Lernen
• Bildklassifizierung
• Gesichtserkennung und Gesichtserkennung
• Objekterkennung und Bildsegmentierung
• Erkennung von Posen
• Switch
• Verarbeitung natürlicher Sprache
• Datenanalyse
• Erweitertes AI -Computing

Abschluss

Diese kostenlosen KI -Bücher werden für jeden immense helfen, der versucht, diese transformative Technologie zu verstehen. Egal, ob ein Anfänger oder ein erfahrener Profi, jeder Titel bietet einzigartige Einblicke und praktische Kenntnisse. Lesen Sie diese und führen Sie diese eine Reise in die Welt der künstlichen Intelligenz auf bestmögliche Weise.

Häufig gestellte Fragen

Künstliche Intelligenz ist seit Jahren ein leistungsstarkes Werkzeug in der Genomik, das in der Lage ist, Berge von DNA -Daten mit unglaublichen Geschwindigkeiten zu durchsuchen. Diese „DNA -Stiftungsmodelle“ sind fantastisch darin, Muster zu erkennen, aber sie haben eine große Einschränkung: Sie arbeiten als „Schwarze Kisten.“ Sie können oft vorhersagen Was Könnte passieren – wie ob eine genetische Variante schädlich ist -, aber sie können nicht erklären Warum. Dies lässt Wissenschaftler Antworten, aber kein Verständnis für die zugrunde liegende biologische Geschichte.

Auf der anderen Seite, Große Sprachnodels (LLMs)Die Technologie hinter Instruments wie Chatgpt ist zu Meister des Denkens und Erklärung geworden. Sie können Essays schreiben, logische Rätsel lösen und komplexe Themen erklären. Sie können jedoch nicht die komplizierte Sprache einer DNA -Sequenz nativ lesen.

Dies ist die Lücke, die ein neues Papier von Forschern der Universität von Toronto, dem Vector Institute und anderen führenden Institutionen anstrebt, um zu überbrücken. Sie haben eine wegweisende neue Architektur namens entwickelt BioraisonDas erste Modell, das ein DNA -Stiftungsmodell tief in ein LLM integriert.

Stellen Sie sich vor, eine neue Artwork von KI-Experte zu schaffen: eine, die nicht nur fließend in den A, Cs, Gs und T unseres genetischen Codes spricht, sondern kann auch wie ein menschlicher Biologe die Schlussfolgerungen schrittweise argumentieren, und erklären Sie seine Schlussfolgerungen.

Von „Black Field“ bis zur Klärerklärung

„Die Entsperren von tiefen, interpretierbaren biologischen Denken aus komplexen genomischen Daten ist eine wichtige KI -Herausforderung, die die wissenschaftliche Entdeckung behindert“, geben die Autoren an, die von Adibvafa Fallahpour, Andrew Magnuson und Purav Gupta angeführt werden. Aktuelle DNA -Modelle können nicht die „mechanistischen Erkenntnisse und fälschbaren Hypothesen“ liefern, die der Eckpfeiler des wissenschaftlichen Fortschritts sind.

Biorason verändert das Spiel. Es behandelt DNA nicht nur eine lange Textfolge. Stattdessen verwendet es ein spezialisiertes DNA -Modell, um die rohe genetische Sequenz zuerst in eine reichhaltige, sinnvolle Darstellung zu übersetzen. Diese „Einbettung“ wird dann direkt in den Argumentationsmotor eines LLM eingespeist.

Das Ergebnis ist eine hybride KI, die kann:

1. Verarbeiten Sie RAW -DNA -Sequenzen direkt.
2. Verbinden Sie genomische Informationen mit einer riesigen Datenbank mit biologischem Wissen.
3. Führen Sie mehrstufige logische Argumentation durch.
4. Erstellen Sie klare, Schritt-für-Schritt-Erklärungen für seine Vorhersagen.

Ein Sprung in Bezug auf Leistung und Verständnis

Das Workforce testete die Biorasaison auf mehreren komplexen biologischen Aufgaben, und die Ergebnisse sind auffällig. Auf einem wichtigen Maßstab für die Vorhersage von Krankheitswegen aus genetischen Varianten, Genauigkeit von Biorasaison sprang von 88% auf unglaubliche 97%. Auf ganzer Linie zeigte das Modell eine Durchschnitt 15% Leistungsgewinn über frühere „Single-Modality“ -Modelle.

Aber der aufregendste Teil ist nicht nur die Genauigkeit. Es ist das Wie.

In einer Fallstudie fragten die Forscher Biorasaison nach einer spezifischen genetischen Mutation und ihrer Wirkung. Das Modell hat nicht nur eine Ein-Wort-Antwort ausgespuckt. Stattdessen prognostizierte die Krankheit-amyotrophe Lateralsklerose (ALS)-korrekt und artikulierte dann eine believable, 10-stufige biologische Begründung. Es identifizierte das spezifische Gen, erklärte, wie die Mutation einen wichtigen zellulären Prozess (Actin -Dynamik) störte und die nachgeschalteten Konsequenzen auf die Motoneurondegeneration, die ALS charakterisiert, nachgedacht hat.

Dies ist die „interpretierbare Argumentationsspur“, die Biorason so mächtig macht. Es bewegt sich über eine einfache Vorhersage, um eine überprüfbare Hypothese anzubieten, die Forscher zum Labor zurückbringen können.

Die Autoren des Papiers sind sich klar, dass dies nur der Anfang ist. Während es Einschränkungen gibt, wie sie wie Vorurteile in den Trainingsdaten und die Rechenkosten – sind, ist das Potenzial immens.

„BioReason bietet ein robustes Instrument, um tiefere, mechanistische Erkenntnisse aus genomischen Daten zu gewinnen, wodurch komplexe Krankheitswege und die Formulierung neuartiger Forschungsfragen unterstützt werden“, schließen die Forscher.

Ausgewähltes Bildnachweis