Data Science und Maschinelles Lernen sind in aller Munde. Wie aber setzt man ein Data Science-Projekt konkret um? Welche Schritte gilt es abzuarbeiten und kann eine generelle Vorgehensweise abgeleitet werden? Die Autoren stellten sich diese Fragen bereits bei ihrem ersten Data Science-Projekt. Gerade für Java-Entwickler lohnt es, dabei auch einen Blick über den Tellerrand zu wagen.

Wie können technische Störungen in Produktionsanlagen erkannt werden, noch bevor ein Schaden entsteht? Dieses Beispiel zeigt, wie mit frei verfügbaren Tools, Datensätzen und Frameworks in der Praxis echter Mehrwert generiert wird.

Wie setzt man Optimierungsverfahren als „Software as a Service“-Lösung skalierbar und kostenoptimiert in einer Cloud-Umgebung um? Vor dieser Frage standen die Autoren dieses Artikels vor etwa einem Jahr. Nachdem der Go-Live erfolgreich absolviert wurde, ist es an der Zeit, die gewonnenen Erkenntnisse näher zu beleuchten. Im Fokus stehen dabei das Design einer angemessenen Cloud-Architektur, der Au..

(Strukturierte) Daten werden in vielen Bereichen als das neue, digitale Gold gehandelt. Durch ihre Verknüpfung können wichtige Erkenntnisse und Entscheidungen abgeleitet werden. Wie kann dieser Zustand jedoch erreicht werden? Was wenn die Daten erst aus vielen, heterogenen Quellen zusammengeführt werden müssen? Für Daten, die sich als Metriken und Events interpretieren lassen, muss hier das Rad ni..