21,2 MB – epub

Beschreibung:

Einfache Rezepturen aus der traditionellen orientalischen Heilkunde.
Christine Ferrari lebt seit vielen Jahren auf ihrer Safran-und Kräuterfarm “Le Paradis du Safran” in Marokko und ist eine profunde Kennerin der orientalischen Pflanzen-Heilkunde und Berber-Kultur. Sie spricht die Sprache der Einheimischen, lebt in engem Kontakt und hat dadurch tiefe Einblicke in deren orientalischen traditionellen, meist nur mündlich übertragenen, Heilmethoden.
In ihrem Ratgeber “Die Gewürz-Apotheke” gibt sie dieses Wissen weiter und gewährt erstmals Einsicht in die seit vielen Jahrhunderten angewandten Heilmethoden und Rezepturen des Orients, die sie auch selbst erfolgreich nutzt.
Ihr kostbarer Safran, das “rote Gold”, verfeinert nicht nur Speisen, sondern heilt auch. Weihrauch und Arganöl oder Rosmarin und Thymian besitzen ebenfalls vielfältige Heilkräfte, die sich seit Jahrhunderten im Orient bewährt haben.
Beschwerden wie Erkältungen, Verdauungsstörungen, Rücken-, und Unterleibsschmerzen, Gelenkprobleme oder Depressionen können so auf natürliche Weise schonend behandelt werden. Die erfolgreiche Autorin von “Die Safranfrau” erklärt die richtige Zubereitung von Tee, Tinkturen, Heilölen, Salben und Kräuter-Mischungen und verrät Rezepturen, die jeder einfach nachmachen kann und die bei nahezu allen Erkrankungen wirksam sind. Die Heilpflanzen und Heilkräuter sind überall erhältlich, die Anwendung sehr leicht.

71,5 MB – pdf

Beschreibung:

Was haben Salatstrunk, Zwiebelwurzel und Avocadokern gemeinsam? Sie alle landen in Nullkommanichts im Müll. Wer ahnt schon, welch ungeahntes Potenzial in ihnen steckt? Dieses Praxisbuch zeigt, wie du mehr als 20 vermeintliche Küchenabfälle durch Regrowing – der Nachzucht von Gemüse – beinahe endlos nachwachsen lassen kannst. Romanasalat, Frühlingszwiebeln und Co. lassen sich auf diese Weise mit nicht mehr als Wasser, Erde, Licht und einer Handvoll Zuwendung prima recyceln. Kein Garten oder Balkon? Kein Problem: Eine Fensterbank reicht aus, um deinen Regrow-Pflänzchen schon bald beim Wachsen zuzusehen. Ein ungewöhnliches wie inspirierendes Buch mit Spaßgarantie für Groß und Klein.

7,3 MB – pdf

Beschreibung:

So gelingt die Pflege zu Hause

Ganz häufig übernehmen Angehörige die Pflege zu Hause: Sie kümmern sich um den Pflegebedürftigen, organisieren den Alltag, regeln die finanziellen Angelegenheiten, engagieren Pflegedienste und sind für alle großen und kleinen Probleme da.
Alles, was Angehörige hierfür wissen müssen, erläutert dieser Ratgeber – schnell, ganz praktisch und leicht verständlich.

Das Buch gibt Antworten rund um die Pflege in den eigenen vier Wänden:

– Welche Unterstützung gibt es bei der Pflege?
– Wie lässt sich die Pflege finanzieren?
– Arbeiten und Pflegen: Welche Möglichkeiten gibt es, beides zu verbinden?
– Was sind Hilfsmittel und wie kommt man an sie heran?
– Praktische Tipps für den Alltag: Was macht das Pflegen einfacher?
– Welche rechtlichen Regelungen sind notwendig?

Ein Antrags-ABC stellt die wichtigsten Anträge vor und erklärt, was zu tun ist. Damit Betroffene schnell die gewünschten Leistungen erhalten.

5 MB – epub, mobi, azw3

Beschreibung:

Corporal David Cohen glaubte, er hätte den Krieg hinter sich gelassen.

Er hatte sich getäuscht.

Die Terranische Koalition sieht sich wiederholten und brutalen Angriffen durch das repressive Bündnis von Sol ausgesetzt. Um seinen Heimatplaneten zu schützen, tauscht David den Traum eines Lebens als Rabbi gegen eine Kriegsfront in den entlegensten Winkeln des Weltalls. Als Partikelstrahlen die Schwärze durchschneiden, bringt ihm seine Tapferkeit unter Beschuss eine rasche Beförderung ein. Während der Gefechtspausen aber, in denen er sich mit den Abgründen seiner Seele auseinandersetzen muss, steht David einem anderen Feind gegenüber: den Geistern jener, die unter seinem Kommando gefallen sind.

Im Krieg tötet man, oder man wird getötet – und der Feind zeigt keinerlei Gnade.

David muss seine Glaubensgrundsätze gegen seine Verantwortung gegenüber Besatzung und Vaterland abwägen. Sollte seine Führungsqualitäten versagen, fielen Milliarden der Versklavung durch ein skrupelloses Regime zum Opfer. Und nun bricht der totale Krieg um die Freiheit der Galaxis los.

Denn der größte Feind des Menschen lauert im Inneren …

1 – Die Sol-Offensive
2 – Invasion der Terraner
3 – Das Sol-Gambit

Deep Learning: Neuronale Netze mit TensorFlow 2.0 und Keras
Video: .mp4 (1280×720, 30 fps(r)) | Audio: aac, 48000 Hz, 2ch | Size: 9.03 GB
Genre: eLearning Video | Duration: 177 lectures (26 hour, 29 mins) | Language: Deutsch

What you’ll learn

• Entwickle ein Neuronales Netz das Preise vorhersagen kann
• Entwickle ein Neuronales Netz das Alter und Geschlecht in Echtzeit (in Videos) vorhersagen kann
• Entwickle ein Neuronales Netz das Aktienkurse vorhersagen kann
• Entwickle ein Neuronales Netz das Hunde und Katzen vorhersagen kann
• Entwickle ein Neuronales Netz das Ziffern vorhersagen kann
• Entwickle ein Neuronales Netz das die Stimmung in Texte vorhersagen kann
• Entwickle ein Neuronales Netz für Object Detection
• Entwickle ein Neuronales Netz für Image Segmentation
• Praktische Anwendung von Deep Learning Projekte im Berufsleben!
• Das Komplexe Thema Deep Learning (Supervised Learning) verstehen
• Von A-Z das beliebte Deep Learning Framework Keras mit TensorFlow lernen
• Lerne wie du die Genauigkeit von Neuronale Netze erhöhen kannst
• Lerne wie du Keras Modelle untersuchen und optimieren kannst
• Lerne TensorBoard kennen
• Lerne State-of-the-art Netzwerke kennen (R-CNN & Mask R-CNN)

Requirements

• Lust etwas neues zu lernen 🙂

Description
Das sagen Teilnehmer über diesen Kurs:
"Sehr aktiver Dozent der sich um die Kursteilnehmer und den Kurs kümmert. Der Tensorflow Kurs hat viele beispiele was mir geholfen hat Tensorflow und Keras besser zu verstehen. Ebenfalls sehr gut waren auch die Begriff erklärungen die einem sehr helfen ML als beginner zu lernen."  – Ibrahim Akkulak
"Ich würde den Kurs auf jeden Fall weiter empfehlen. Mehr Content als gedacht und sehr viele Erklärungen. Top!"  – Erik Andrè Thürsam
"Der Kurs gefällt mir ganz gut und bringt viele Beispiele ein. Der Saif beantwortet Fragen super schnell und ist sehr hilfsbereit. Empfehle den Kurs sehr für alle die Deep Learning mit vielen Praxisbeispielen lernen möchten."  – Simon Behrens

Deep Learning ist eines der angesagtesten Themen weit und breit. Insbesondere wird Deep Learning und Künstliche Neuronale Netze in vielen Technologien in deinem Umfeld eingesetzt, um dir ein noch angenehmeres Leben zu ermöglichen.
Mithilfe diesen Praxis-Kurs bringe ich dir bei wie man Deep Learning mithilfe von Keras, Tensorflow und Python einsetzt. Du wirst eine gute Mischung von Theorie und Praxis in diesen Kurs erhalten. Viele der Techniken werden anhand von echten Praxis Projekte dir vermittelt.
Warum solltest du Keras lernen? Keras wird von den "Big Five" Unternehmen wie Apple, Google, Facebook, Amazon und Microsoft in vielen ihrer Produkte eingesetzt, um Machine Learning noch effizienter zu nutzen! Ebenfalls werde ich ihn auch immer auf dem neusten Stand der Technik und Wissenschaft halten.
Lerne wie du Keras meisterst und schreibe dich JETZT ein!

Who this course is for:

• Softwareentwickler, Data Scientists und Machine Learning Experten
• Alle die Keras und die Welt von Deep Learning erkunden möchten
• Studenten der Informatik, Bioinformatik, IT-Sicherheit, Mathematik etc.
• Python Entwickler

1,5 MB – epub, mobi, azw3

Beschreibung:

Start des letzten Berichtes: 15.08.2084 – zuvor ein Nachtrag

Die Menschheit beginnt, zusammen mit befreundeten Spezies, nach einer Lösung für den ständigen Konflikt mit den DAKOO und HAAVAK zu suchen. Der Schlüssel dazu sind die besten Raumschiffbauer der bekannten Galaxis – die SANTARA.
Das fulminante Ende der fünfteiligen Reihe: Das 2082-Projekt

1,1 MB – epub, mobi, azw3

Beschreibung:

Er bringt ihre Welt ins Wanken …

Die 19-jährige Rage kennt als Auftragskillerin keine Gnade, keine Reue – und keine Gefühle. Doch das ändert sich, als sie Nolan, ihr nächstes Zielobjekt, kennenlernt. Nolan ist so anders als alle Männer, die sie in ihrer rauen und gefährliche Welt um Logan’s Beach bisher kennengelernt hat, und er berührt etwas in ihr, das sie noch nie zuvor gespürt hat. Rage steht vor der größten Entscheidung, die sie jemals treffen musste. Eins von beidem muss sie für immer hinter ich lassen: Nolan oder das Leben, das sie bisher geführt hat. Egal, wie sie sich auch entscheidet, den Abzug muss sie ganz alleine bedienen …

Transformer Modelle und Deep Learning
Video: .mp4 (1280×720, 30 fps(r)) | Audio: aac, 48000 Hz, 2ch | Size: 1.13 GB
Genre: eLearning Video | Duration: 14 lectures (1 hour, 57 mins) | Language: Deutsch

What you’ll learn

• Du lernst, wie du Transformer Modelle wie BERT oder GPT2 für NLP Aufgaben verwendest.
• Transfer Learning mithilfe von vortrainierten Modell im Deep Learning umsetzen
• Wie kann künstliche Intelligenz mithilfe von Encoder / Decoder Modellen Texte generieren?
• Was sind Transfomer Modell Architekturen?
• Wie können wir die fastai Bibliothek einsetzen, um Transformer Modell Architekturen zu integrieren?
• Der Hugging Face Modell Zoo
• Eigene vortrainierten Modelle via Hugging Face Hub zu Verfügung stellen.

Requirements

• Grundlegendes Verständnis für Deep Learning Architekturen
• Basisprogrammierkenntnisse in Python
• Basiskenntnisse aus PyTorch / fastai

Description
Dieser Kurs beschäftigt sich mit dem Thema Encoder-Decoder-Modellarchitekturen im Deep Learning und darauf basierenden Anwendungsfällen im Bereich Natural Language Understanding.
Wir besprechen, wie Encoder-Decoder Modelle (insbesondere Transformer Modelle wie GPT2 oder BERT-Architekturen) aufgebaut sind und welche Schritte während des Trainings eines solchen Modells ablaufen.
Der große Nutzen dieser vortrainierten Modellarchitekturen besteht in der Anwendung des Transfer-Learning Konzepts. Das bedeutet, wir können uns riesige, vortrainierte Modellarchitekturen zu Nutze machen und mit relativ wenig Aufwand für unseren konkreten Anwendungsfall trainieren.
Wie können wir mittel one-shot-classification Texte einer bestimmten Kategorie zuordnen?
Wie integrieren wir Modelle aus dem Hugging Face Projekt in unsere eigenen Deep Learning Projekt auf Basis der fastai Bibliothek?
Neben dem theoretischen Input entwickeln wir anhand von Jupyther Notebooks Anwendungsbeispiele und gehen den implementierten Code unserer KI-Anwendungen Schritt für Schritt gemeinsam durch.
Lernziele Transformer Modelle, Deep Learning und fastai
Folgende Lernziele verfolgen wir mit dem Kurs Transformer Modelle (Encoder/Decoder Architekturen) und Deep Learning:
– Du lernst das erforderliche theoretische Basiswissen, um Transformer Modellarchitekturen im Deep Learning zu verstehen.
– Du kannst das Funktionsprinzip von Transformer Modellen wie BERT oder GPT2 verstehen.
– Du lernst, wie du Transformer Modelle in fastai Projekt integrieren kannst
– Du lernst verschiedene Bibliotheken wie `Blurr` oder `FastHugs` kennen.
– Mithilfe von Bibliotheken integrieren wir vortrainierte Transformermodelle mittels Hugging-Face und fastai Framework.

"Transformers (früher bekannt als pytorch-transformers und pytorch-pretrained-bert) bietet Allzweckarchitekturen (BERT, GPT-2, RoBERTa, XLM, DistilBert, XLNet…) für Natural Language Understanding (NLU) und Natural Language Generation (NLG) mit über 32+ vortrainierten Modellen in über 100 Sprachen und umfassender Interoperabilität zwischen Jax, PyTorch und TensorFlow." (Quelle: huggingface)
Wir zeigen in diesem Kurs, wie wir Transformer (Encoder / Decoder) Modelle aus dem Hugging Face Model Zoo mithilfe von verschiedenen Bibliotheken in das fastai Framework integrieren können.
Insbesondere die Erfolge von künstlicher Intelligenz und Deep Learning im Bereich der Textanalyse und Textgenerierung ist den Transformer Modellarchitekturen zu verdanken. Modellnamen wie BERT oder GPT2 sind wohl allen ein Begriff.
In diesem Kurs präsentieren wir verschiedene Bibliotheken und Projekte, die es uns ermöglichen, vortrainierte Modelle via Hugging Face Model Hub gemeinsam mit der fastai Bibliothek einsetzen können.
Das Transformer Modell stellt im Wesentlichen eine Serie von hintereinander verknüpften Encodern dar. Ein Embedding Layer ist für die Tranformation der Eingabedaten in eine Vektorrepräsentation verantwortlich. Die Weights dieser Schicht werden während des Trainings angepasst.
Nachdem die Eingabedaten durch den Embedding Layer in eine Vektorrepräsentation übergeführt worden sind, erstellt das Modell eine interne Repräsentation. Der Decoding Layer ist dann wiederum für die Überführung der internen Repräsentation im Modell in die Ergebnisschicht verantwortlich.
Unterschiedliche Längen der Eingabesequenzen werden durch Padding-Mechanismen angepasst.
Zusätzlich wurden in den Encoder / Decoder Modellen Attention Layer eingeführt.

Who this course is for:

• Du lernst in diesem Kurs, wie du vortrainierte Modelle von HuggingFace nun auch mit dem fastai Deep Learning Framework einsetzen kannst.

Statistik & Mathematik für Data Science & Data Analytics
Video: .mp4 (1280×720, 30 fps(r)) | Audio: aac, 48000 Hz, 2ch | Size: 3.46 GB
Genre: eLearning Video | Duration: 94 lectures (12 hour, 43 mins) | Language: Deutsch

What you’ll learn

• Meistere Statistik für Data Science & Datenanalyse
• Lege das Fundament für Data Science & Statistik für Datenauswertung
• Meistere Deskriptive Statistik & Wahrscheinlichkeitstheorie
• Machine Learning Methoden wie Decision Trees and Decision Forests
• Wahrscheinlichkeitsverteilungen wie Normalverteilung, Poisson-Verteilung und andere
• Hypothesentesten, p-Werte, Type I & Typ II Fehler
• Logistische Regression, Multiple Lineare Regression, Polynomiale Regression, Regression Trees
• Korrelation, Determinationskoeffizient, RMSE, MAE und weitere

Requirements

• Absolut keine Vorerfahrung notwendig. Wir lernen alles Schritt für Schritt von den Grundlagen und arbeiten uns dann zu den fortgeschritteneren Themen vor
• Motivation und Lust

Description
Möchtest du dich in Richtung Data Science oder Data Analytics entwickeln?
Gute Neuigkeiten, du brauchst keinen Abschluss in Mathematik – dieser Kurs gibt dir das praktische Wissen an die Hand, das du für Data Science im Bereich Statistik und Mathematik benötigst.
Falls du vorhast Data Scientist oder Data Analyst zu werden, dann ist es notwendig, dass du ein stabiles Fundament im Bereich Statistik & Wahrscheinlichkeitstheorie hast.
Klar steckt hinter Data Science mehr als nur Statistik. Dennoch spielen Mathematik und Statistik eine essentielle Rolle, wenn du als Data Scientist arbeiten möchtest.
Ich weiß, dass es nicht unbedingt einfach ist ein stabiles Fundament im Bereich Statistik aufzubauen. Aus diesem Grund habe ich diese Statistik-Masterclass erstellt.
Warum solltest du diesen Kurs wählen?

• Das ist der eine Kurs, den du in Statistik absolvierst.
• Falls du mit Daten arbeitest, ist das genau der richtige Kurs um dich mit dem praktischen Wissen auszustatten.
• Du lernst direkt von einem Mathematiker, der zugleich auch als Data Scientist arbeitet.
• Dieser Kurs vermittelt beides: Theorie & Praktisches Wissen
• Nach dem du diesen Kurs abgeschlossen hast, hast du alles, was du brauchst um Statistik & Wahrscheinlichkeit in deinem beruflichen Alltag im Bereich Data Science und Data Analytics zu meistern.

Was lernst du in diesem Kurs?
Dieser Kurs gibt dir die Chance auf systematische Art die wichtigsten Konzepte in Statistik & Wahrscheinlichkeitstheorie zu meistern:
Deskriptive Statistik, Hypothesentests, Regressionsanalyse, Analysis of Variance sowie weitere fortgeschrittene Machine Learning Techniken wie Logistische Regression, Polynomiale Regression, Entscheidungsbäume, Regression Trees und mehr.
In realen Anwendungsbeispielen lernst du das Statistik-Wissen, das du für eine Laufbahn als Data Scientist oder Data Analyst brauchst schnell & einfach.
Wenn sich das für dich gut anhört und du diese Themen gerne lernen willst, dann nutze die Chance deine Fähigkeiten auszubauen und deine Karriere voranzubringen indem du dich in den Kurs einschreibst.

Who this course is for:

• Jeder der Statistik & Wahrscheinlichkeitstheorie für Data Science und Datenanalyse meistern möchte
• Jeder der eine Karriere in Data Science oder Data Analytics anstrebt
• Berufstätige und Studierende, die notwendigen Fähigkeiten im Bereich Statistik für Data Science & Datenanalyse lernen möchten