Dieses Jahr war Lugano-Paradiso unser Zuhause für eine Woche.

Während dieser Zeit widmeten wir uns individuellen Themen um entweder unser Wissen zu vertiefen, oder um uns neues Wissen anzueignen.  

Die Themen waren auch in diesem Jahr sehr unterschiedlich und vielseitig, hier eine kleine Übersicht zu unseren diesjährigen Projekten:  

- Studium Angular serverside rendering mit Universal

- Qualitätskontrolle von Bildern mit machine learning

- Ein Proof Of Concept für ChestnutJS erarbeiten, die Auto-Generation von CRUD Admin Ansichten von io-ts Runtime-Types und Knowhow von Angular Animations vertiefen

- Performance Analyse für Abfragen mit dem Elasticsearch Kibana Interface und Provisionierung von Servern via Zentraler Konfiguration anhand von Ansible

- Einfache Angular singlepage Applikation für ein Seifenkistenrennen (Ausbildungsprojekt)

Nebst den lehrreichen Stunden vor dem Bildschirm, genossen wir auch die kulinarischen Highlights des Tessins.

Die Sportskanonen unter uns hatten natürlich die Joggingschuhe dabei und liefen über den Mittag gerne mal auf den San Salvatore.

Mit frisch aufgestocktem Wissen widmen wir uns nun wieder top motiviert unseren aktuellen Kundenprojekten und freuen uns schon auf die Hackweek 2020.

large_blick-auf-luganer-see-1024x683.jpg

medium_blick-auf-luganer-see-1024x683.jpg

small_blick-auf-luganer-see-1024x683.jpg

thumbnail_blick-auf-luganer-see-1024x683.jpg

blick-auf-luganer-see-1024x683.jpg

medium_daenu.jpg

small_daenu.jpg

thumbnail_daenu.jpg

daenu.jpg

Software Entwickler, Projektleiter

Hackweek 2019

Der nächste BernerJS Talk findet am 8. Oktober 2019 in den Büros von Lambda statt Die folgenden Themen werden präsentiert

**Advanced Union Types in TypeScript**

When programming how often do you have a variable that could have more than one possible type or structure?

It could be more often than you think!

A simple example is a variable that either holds data or does not (e.g. a nullable type).

A more advanced example is the status of an API call, which could be:

• ‘Loading’

• ‘Success’ (with a API result data structure)

• ‘Error’ (with an Error detail data structure)

A type that can have more than one type of structure is a Union Type.

What’s the best way to handle union types? How can use union types in a TypeScript to ensure strict type safety thus giving us a stronger guarantee that our code is correct?

This talk will introduce Union Types, explain the building blocks that are required to work efficiently and safely with unions, and then introduce a couple of libraries which provide us with convenience and consistency when declaring and using union types.

An (intended) side-effect of this talk might the planting of a seed of interest in the world of Functional Programming (although union types are perfectly valid outside of this paradigm).

Wayne is a co-founder and developer at Lambda IT with a particular interest in exploring programming paradigms which assist in ensuring code quality.

-------------------------------------------------------------------------------

**10 things every Angular Developer should know about zone.js**

Zone.js is a library which is used in Angular to handle change detection. Most of the time it works really well - however if problems with zone.js occur, dealing with them can be a really frustrating experience. In this talk I want to share helpful things that I learned while deep-diving into zone.js and show you some problems you can run into and how to deal with them.

Matthias Junker (Software Catering, https://twitter.com/matt_junker) works a as Frontend Architect at "die Mobiliar".

[Details und Anmeldung](https://www.meetup.com/de-DE/Barner-JS-Talks/events/264743525/)

lambda_illustrationen_v0101_lambda-BE-JS-Talk.svg

BärnerJS Talk #3 

Auch dieses Jahr ist das ganze Team der Lambda IT für eine Woche nach Locarno in die «Hackweek» gefahren. Die Ziele der „Hackweek“ sind neue Technologien kennenzulernen, verschiedene Entwicklungskonzepte auszuprobieren oder einen Service oder eine App zu bauen. 

Dieses Jahr gab es kein übergeordnetes Thema, deshalb sind die bearbeiteten Projekte auch sehr unterschiedlich. Nachfolgend eine Liste der Themen  

**Machine Learning**

Erarbeitung von Grundlagen zu Machine Learning mit Tensorflow. Viele Übungen zu Datenmodellierung und Datenvorbereitung um gute Ergebnisse bei der Voraussage zu erreichen.

Das Ziel war ein Modell zu entwickeln um Betrugsversuche in einem Webshop früh zu erkennen.  

**Behavior Driven Development, BDD**

Die Implementierung einer Applikation (Angular/Node/Mongo) mittels BDD führte zu einer soliden, testbaren und restrukturierbaren Codebasis.

Codeumstrukturierungen, welche die Funktionalität der Applikation beeinträchtigten, konnten sehr rasch durch gescheiterte Tests nachvollzogen und korrigiert werden.

Der Einsatz von BDD/TDD veränderte unsere Sichtweise auf die Art Code zu schreiben, da sie uns zwang, uns auf das wesentliche zu konzentrieren.

Die Entwicklung mittels Pair Programming machte sehr viel Spass und führte zu einem raschen Wissensaustausch sowie zu einheitlichen und raschen Resultaten.

Durch die intensive Beschäftigung mit der Testbarbeit von Komponenten, steigt das Verständnis für die verwendeten Bibliotheken und Frameworks.

Während der Entwicklung erstellten wir Codetemplates um das Schreiben von Unittests zu vereinfachen und zu beschleunigen.  

**Animationstchniken für Webseiten**

Erstellen der neuen Firmenwebseite anhand einer Designvorgabe und Bulma CSS. Analyse verschiedener Scrollytelling Libraries und implementation einer Beispielanwendung auf der Firmenwebseite.  

**Uphill Conference App**

Als Partner der Uphill Conf haben wir eine Angular PWA für die Konferenz erstellt. Die Applikation soll zum einen eine Agenda für die Teilnehmer generieren, zum anderen immer das aktuelle Slide Set erstellen und anzeigen um die nächsten Talks anzukünden. 

Die Daten werden zentral mit [Airtable](https://airtable.com/) verwaltet. Änderungen in den Daten führen automatisch zu Änderungen beim Benutzer.  

**Use of Functional Programming Approaches in Nodejs**

Having had very good success with `fp-ts` and `io-ts` in our Frontend Applications, we decided to investigate how we can leverage these libraries in our Nodejs backends.

We found that using `fp-ts` `TaskEither` much more ergonomic in comparison to native Promises.

We also tried out using `io-ts` runtime types along with a Repository pattern implementation to validate the entities in a Mongo database.

The code for the Mongo Repository implementation will be open-sourced soon.

large_3151_albergo_remorino_relais_du_silence_0963968(3).jpg

medium_3151_albergo_remorino_relais_du_silence_0963968(3).jpg

small_3151_albergo_remorino_relais_du_silence_0963968(3).jpg

thumbnail_3151_albergo_remorino_relais_du_silence_0963968(3).jpg

3151_albergo_remorino_relais_du_silence_0963968(3).jpg

Intelligente Programme, welche aus Daten lernen und das Gelernte verallgemeinern, bestimmen welche Filme oder Bücher zu uns passen, welche E-Mails für uns relevant sind oder führen unsere gesprochenen Befehle aus. Personalisierte Online Werbung oder Freundesvorschläge in sozialen Netzwerken gehören zu den Anwendungsgebieten des Machine Learning welchen wir – manchmal unbewusst – täglich begegnen.


news.png

Machine Learning

Machine Learning hat viele Aspekte und kann für die Lösung von verschiedensten Problemen eingesetzt werden. Nachfolgend einige Showcases.

#### Face Login im Browser

Was heute (schon fast) als ein Standard bei den Mobiltelefonen mitgeliefert wird, ist auch im Browser möglich. Als zusätzlicher Sicherheitsmechanismus (2-Way-Authentication) ist ein Abgleich des Gesichts des Benutzers mit einem hinterlegten Bild möglich und erhöht so die Sicherheit eines passwortgeschützten Kontos deutlich.

#### Erkennung und Auslesen von Ausweisen

Mit nur einem Foto eines Ausweises ist es möglich zu erkennen um welche Art von Ausweis es sich handelt. In einem weiteren Analyseschritt können die Daten aus dem Ausweis ausgelesen werden. Daten aus der MRZ (Machine Readable Zone) werden (nahezu) immer korrekt ausgelesen. Bei allen anderen Werten ist das Ausleseergebnis nicht perfekt, aber trotzdem in einem Bereich welcher eine Weiterverarbeitung der Daten mehr als genügt.

#### Produkterkennung in einem Bild

Wie wird mein Produkt benutzt? Wie viele meiner Produkte besitzt mein Kunde? Besitzt der Kunde Konkurrenzprodukte und werden diese anders als mein Produkt verwendet?
Die Antworten auf diese und ähnliche Fragen können durch die automatisierte Analyse von Bildern und Filmen gegeben werden. Gegenstände können in Filmen erkannt und deren Bewegung verfolgt werden. Tausende von Bildern können in kurzer Zeit analysiert und Benutzungsstatistiken aus den Ergebnissen generiert werden.

#### Digitalisierung von Karten

Viele Informationen sind heute immer noch auf analogen Karten gespeichert. Seien es Höhenlinien, Transportwege oder die Standorte von geschäftswichtigen Informationen. Mit Machine Learning ist es möglich, diese Karten zu analysieren, digitalisieren und die benötigten Daten mit einer hohen Genauigkeit auszulesen.

#### Fraud Detection

In einer grossen Menge von Daten diejenigen zu identifizieren, welche aus der Masse herausstechen, ist für uns Menschen sehr aufwändig und mit hohen Kosten und einer grossen Fehlerquote verbunden. Mithilfe von Machine Learning kann dieser Prozess vollständig digitalisiert und automatisiert werden und sowohl die Kosten wie auch die Fehlerquote stark gesenkt werden.

Wie kann mir Machine Learning helfen

Wann immer möglich, entwickeln wir unsere Projekte als Web Applikation. Auch im Machine Learning Bereich ist dies unsere erste Wahl, obwohl die Umsetzung im ersten Augenblick, schwieriger und aufwändiger aussieht. Die meisten Geräte und Betriebssysteme bieten proprietäre Machine Learning Plattformen an, welche schnelle und einfache Lösungen versprechen.
Wir sind aber überzeugt, dass sich unser Ansatz am Schluss mehr als auszahlt. Die Geräte- und Betriebssystem-Unabhängigkeit birgt enorm viele Vorteile – in finanzieller und technischer Hinsicht. Der Source Code wird kleiner, die Wartungskosten können minimiert werden und das benötigte technische Know-How wird reduziert.


Web First

Machine Learning ist ein Teilgebiet der Künstliche Intelligenz (Artificial Intelligence) und befasst sich mit der Suche nach wiederverwendbaren Mustern in grossen Datensätzen. Die Datensätze können aus den unterschiedlichsten Dingen bestehen wie Nummern, Wörter, Bilder, Verhalten von Personen auf einer Webseite, etc.
Die gefundenen Muster und Ergebnisse werden optimiert und es wird versucht die Daten intelligent miteinander zu verknüpfen, Zusammenhänge zu erkennen, Rückschlüsse zu ziehen und Vorhersagen zu treffen.
Machine Learning ist in mehrere Teilgebiete unterteilt

#### Objekterkennung (Object Detection)

Mit verschiedenen Verfahren werden Objekte in einem Objektraum identifiziert. Beispielsweise können Gegenstände in einem Bild markiert oder Gesichter erkannt und den dazugehörigen Personen zugeordnet werden.


#### Bildsegmentierung (Image Segmentation)

In einem Bild werden die Bildpunkte analysiert und anhand ihrer Eigenschaften in verschiedenen Gruppen zusammengefasst. Dadurch ist es möglich zusammenhängenden Regionen oder Objekten zu erzeugen.


#### Bildklassifikation (Image Classification)

In der Bildklassifikation werden Bilder erkannt und einer Kategorie zugeordnet. Beispielsweise können Bilder von Blumen deren Art zugeordnet werden, d.h. es wird ein Bild einer Rose den Rosen zugeordnet und das einer Geranie den Geranien.

#### Texterkennung (OCR)

Texte werden in Bilder automatisch erkannt und extrahiert. Je deutlicher die Schriftart die einzelnen Zeichen unterscheidet, desto besser sind die Ergebnisse der Texterkennung. Es gibt eigens entworfene Schriftarten, um die Texterkennung zu vereinfachen aber es werden aber auch laufend Verbesserungen gemacht, um beispielsweise handgeschriebenen Text zu erkennen.


#### Anomaly- oder Ausreisser-Erkennung (Anomaly Detection)

Es werden seltene Objekte, Ereignisse oder Beobachtungen identifiziert, welche aus der Masse herausstechen und sich signifikant von der Mehrheit der Daten unterscheidet



artificial-neural-network-3501528_1920.png

Was ist Machine Learning

#### fidentity – Digitalisierung von Kundenidentifikationen
Mit fidentity können Kundenidentifikation digitalisiert werden - online oder vor Ort. Ganz ohne App werden ID-Dokumente mit dem Handy gescannt, liveness geprüfte Selfies erstellt und Dokumente signiert. Künstliche Intelligenz verhindert Betrug und stellt die Compliance sicher. In Echtzeit werden Entscheidung über die Qualität der Identifikation getroffen und publiziert, um nachfolgende Prozesse mit diesen Informationen zu steuern.

Weitere Informationen zu fidentity finden sie auf der [fidentity Webseite](https://fidentity.ch). Sie können die Applikation auch selbst [ausprobieren](https://www.fidentity.ch/fidentity-demo/) und die verschiedenen Funktionen kennenlernen.




Fokus - fp-ts

Aktuelles zu fp-ts

Hackweek 2019

BärnerJS Talk #3

Lambda IT - Hackweek 2018

Fokussiert auf fp-ts:

Wayne Maurer

Firmengründer, Software Architekt und Entwickler