Software Engineering wird häufig als eine hoch technische Disziplin betrachtet, die durch Programmierung, Algorithmen und Daten geprägt ist. Obwohl technisches Fachwissen essenziell ist, gibt es einen weiteren entscheidenden Faktor, der oft übersehen wird, nämlich das Domänenwissen.
Innerhalb kürzester Zeit haben westliche Regierungen stillschweigend Gesetze zur Altersverifikation auf Betriebssystemebene eingeführt und diese als Instrumente zum Schutz von Kindern im Internet präsentiert. Obwohl das erklärte Ziel, Minderjährige zu schützen, zunächst vernünftig erscheinen mag, scheinen sich die meisten Menschen nicht bewusst zu sein, dass diese Vorschläge erhebliche Bedenken hinsichtlich Privatsphäre, Überwachung, gesellschaftlicher Kontrolle und digitaler Freiheit aufwerfen.
Als ich mich kürzlich mit der OceatGate Rabbit Hole beschäftigte, wurde mir klar, dass mehrere Faktoren, die zur Tragödie führten, mit dem Fehlen solider ingenieurwissenschaftlicher Prinzipien zusammenhängen. Wie ich im folgenden Artikel zeigen möchte, ist die OceanGate-Tragödie ein gutes Beispiel, warum solide Ingenieurs-Prinzipien essenziell sind.
Erst vor Kurzem lernte ich ein neues Software-Tool, mit dem man einen Roboter programmieren und simulieren kann – mithilfe von Python, ROS2 und Gazebo. Dieses Setup ermöglicht es nicht nur, die Software für einen realen Roboter zu entwickeln, sondern auch das Verhalten des Roboters, seine Physik und seine Umgebung realitätsnah zu simulieren.
In den vergangenen Jahrzehnten haben das Lean-Production-Paradigma sowie die eng verwandte Just-in-Time-Produktion die moderne Produktions- und Lieferkettenlogik maßgeblich geprägt. Allerdings hat die Covid-19-Pandemie eine grundlegende Schwäche moderner Lieferketten und Produktionssysteme offengelegt: einen dauerhaften Trade-Off zwischen Effizienz und Resilienz.
Das Aufkommen von sogenannten Large Language Models hat die Landschaft der künstlichen Intelligenz (KI) tiefgreifend geprägt und eine weitere Welle des Hypes in den Medien und der Industrie ausgelöst. Manche Experten spekulieren sogar über die Entwicklung einer allgemeinen künstlichen Intelligenz. Was in diesen optimistischen Einschätzungen jedoch oft übersehen wird, ist die Tatsache, dass die Herausforderungen der KI bei der Entwicklung einer allgemeinen künstlichen Intelligenz fundamentaler sind, als gemeinhin angenommen wird.
In den letzten Jahren sind Software-Entwickler nachlässig geworden, insbesondere im Vergleich zur Rigorisität und Präzision traditioneller Ingenieursdisziplinen. Meiner Meinung nach ist ein wesentlicher Grund dafür, dass sich die Softwareentwicklung zunehmend von physikalischen Beschränkungen entkoppelt hat. In den letzten Jahren bin ich zu der Erkenntnis gelangt, dass ich Prinzipien aus dem traditionellen Ingenieurwesen übernehmen und auf die Softwareentwicklung anwenden kann, um die Qualität meiner Softwareprodukte erheblich zu verbessern.
Kürzlich habe ich auf meinem Ubuntu-System ein paar E-Mail-Clients für unseren neuen wöchentlichen E-Mail-Newsletter getestet, darunter Evolution, den E-Mail-Client von Gnome. Da Evolution es mir nicht erlaubt, CSS/HTML-Code in die E-Mail einzubinden, entschied ich mich, den Client und die zugehörigen Dateien zu deinstallieren. Als ich jedoch später mein System neu startete, konnte der Gnome-Desktop nicht geladen werden, und ich blieb im Terminal hängen.
Ingenieure stehen oft vor dem Problem der Trade-Offs, die eine Situation beschreiben, in der ein bestimmter Vorteil mit Kosten verbunden ist. Im Blockchain-Bereich müssen Entwickler mit einem grundlegenden Trade-Off zwischen Effizienz und Resilienz umgehen: Entweder ist die Blockchain effizient und schnell, was auf Kosten ihrer Resilienz geht, oder eine Blockchain zeichnet sich durch hohe Resilienz aus, was sie ineffizient und langsam macht.
Vor kurzem entwickelte ich eine Android-App mit Python und Kivy, die strenge Sicherheitsmaßnahmen erforderte, da sie sensible Patientendaten beinhaltete. Da ich kein Tutorial fand, welches die kryptographische Verschlüsselung und Entschlüsselung für das Android-Betriebssystem auf Basis von Python Kivy erklärte, entschloss ich mich, ein kurzes Tutorial zu verfassen und meine Erfahrungen mit der Verschlüsselung und Entschlüsselung auf einem Android-Gerät zu teilen.
Universitäten zählen zu den vertrauenswürdigsten Institutionen in westlichen Gesellschaften. Doch die traurige Realität ist, dass das Vertrauen in Wissenschaft und akademische Institutionen zunehmend erschüttert wird. Insgesamt lassen sich drei Hauptgründe identifizieren, warum eine gesunde Skepsis gegenüber Wissenschaft und Akademia angebracht ist: (1) technische und wissenschaftliche Fehler, (2) Korruption und (3) ein kompliziertes Verhältnis zwischen Wissenschaft und Journalismus.
Eine der Behauptungen der Befürworter des Covid-Regimes ist, dass die offiziellen Statistiken die Anzahl Covid-Fälle unterschätzten und die offiziellen Statistiken die Realität nicht widerspiegeln. Dem zweiten Teil dieser Aussage stimme ich zu, doch in diesem Artikel werde ich darlegen, warum die Hypothese, dass die Covid-Zahlen unterschätzt werden, grob irreführend ist und warum die offiziellen Statistiken in Wirklichkeit die tatsächliche Verbreitung von Covid-19 überschätzten.
Um Daten von JavaScript-Webseiten in Python zu extrahieren, müssen wir Selenium verwenden, anstatt Standardbibliotheken wie urllib oder Beautiful Soup. Standardbibliotheken senden normalerweise eine Anfrage an eine Webseite und laden den HTML-Code der Seite herunter, aus dem wir dann Daten extrahieren können. Das Problem bei JS-Seiten besteht jedoch darin, dass deren HTML-Code möglicherweise nicht die Daten enthält, die wir extrahieren möchten.
In diesem Beitrag zeige ich, wie man ein neuronales Netzwerk mithilfe von Python und Keras entwickelt und implementiert, welches die Keywords einer Unternehmenswebsite in eine Branchenkategorie klassifiziert. In diesem Beitrag wird das Modell mit einem Datensatz trainiert, der 16.000 Unternehmen und deren wichtigsten Website-Keywords als Eingabevariablen sowie mehr als 30 verschiedene Branchenkategorien als Ausgabevariablen umfasst.
Im Cyber Security wird grundsätzlich zwischen offensiven und defensiven Techniken unterschieden, wobei beide voneinander abhängig sind. Einerseits ist die Möglichkeit, offensive Maßnahmen anzuwenden, direkt von den Schwachstellen eines angegriffenen Systems abhängig. Andererseits muss sich die Cyber-Defense in die Rolle eines Angreifers hineinversetzen, um eine bestmögliche Abwehr von Angriffen zu gewährleisten.