Was passiert in deinem Code, wenn ein virtueller Kaffeebecher auf einem echten Schreibtisch stehen bleibt und nicht durch die Tischplatte fällt? Dieses Buch liefert die Antwort. Keine oberflächlichen Tutorials, keine Blackbox-Frameworks. Hier lernst du, wie Augmented Reality wirklich funktioniert: von der Kamerakalibrierung über Feature-Tracking und SLAM bis zur Integration neuronaler Netze in eine durchgängige AR-Pipeline. Alles in Python, alles ausführbar auf deinem Laptop. Du wirst: Verstehen, warum ein AR-Objekt driftet und wie du die Pose-Schätzung mit robusten Algorithmen stabilisierst Eine 3D-Karte deiner Umgebung bauen, ohne teure Hardware: nur Webcam, Python und OpenCV Deep-Learning-Modelle für Objekterkennung nahtlos in Echtzeit-Pipelines einbinden nicht als isolierte Skripte, sondern als produktionsreife Komponenten Die Architektur hinter ARCore und ARKit nachvollziehen, statt sie blind zu importieren Jedes Kapitel ist code-zentriert, getestet unter Python 3.10+ und konzipiert für handelsübliche Hardware. Kein HoloLens, kein LiDAR ntig. Die Prinzipien übertragen sich auf jede Plattform. Wenn du Python beherrschst und wissen willst, wie Computer Vision und AR zusammenspielen nicht als Zauberei, sondern als System aus mathematischen Bausteinen, die du selbst zusammensetzen kannst ist dieses Buch dein nächster Schritt. Hol dir jetzt die Architektur, die zwischen einem Prototyp und einer stabilen AR-Anwendung entscheidet.

Was, wenn dein Mikrocontroller — kleiner als ein Fingernagel und teurer als eine Tasse Kaffee — lernen könnte, Bewegungen zu erkennen, Anomalien zu filtern und Entscheidungen in Echtzeit zu treffen? Willkommen in der Werkstatt des eingebetteten Machine Learnings. Dieses Buch ist kein theoretischer Abriss über neuronale Netze in der Cloud. Es ist ein pragmatisches Handbuch für Entwickler, die wissen wollen, wie man echte Intelligenz auf Chips mit 256 KB Flash und wenigen Milliwatt Leistung zum Laufen bringt. Rohdaten von Sensoren in verwertbare Features umwandelt — ohne Python-Stack, ohne externe Server, lediglich effizienter C-Code Neuronale Netze Schicht für Schicht in C implementiert — keine Black-Box-Bibliotheken, sondern volle Transparenz bis auf Registerebene Modelle mit 8-Bit-Quantisierung um den Faktor 4 komprimierst — ohne die Genauigkeit zu opfern Die richtige Architektur für deinen Chip wählst — warum manche Netze auf ARM Cortex-M4 besser laufen als auf ESP32 Ein komplettes Gestenerkennungssystem aufbaust — lokal, offline, in Echtzeit Wenn du schon Mikrocontroller programmiert hast, aber bei Machine Learning an der Grenze klassischer Programmierung stößt, ist dieses Buch deine Brücke. Kein Data-Science-Diplom nötig. Keine magischen Abstraktionen. Nur du, dein Code und ein Stück Silizium, das lernen wird. Hol dir das Werkstattbuch, das die Lücke zwischen Hardware und KI schließt. Bau dein erstes intelligentes Sensorboard — heute noch.