Java

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.

Der Artikel beschreibt anhand eines realen Projektbeispiels eine Vorgehensweise für das „replatforming“ (= von Hardware oder VMs zu Containern) monolithischer Applikationen und den damit verbundenen Ansatz zur Cloud-Transformation. Dabei geht es um das allmähliche Ersetzen der komplexen Altanwendungen durch „rebuilding“ der Funktionalitäten als native Cloud-Services. Wir zeigen unsere Methodik und..

Wie kann man Python, das für datenwissenschaftliches Arbeiten weit verbreitet ist, in Kombination mit Java und JavaScript zur Verarbeitung und Visualisierung großer Datenmengen in professionellen Anwendungen verwenden? Wir stellen anhand eines aktuellen Fallbeispiels einen schnell einsetzbaren Architekturstack für den Einsatz von Data Science vor. Die Anwendung ist ein Cockpit, das betriebliche Da..

Künstliche Intelligenz (KI) und maschinelles Lernen (ML) sind Themen, die seit jeher die Möglichkeit für verschiedene didaktische Herangehensweisen bieten. Gruppe A betrachtet KI als Themenbereich, den man durch klempnerartiges Aneinander-Reihen von Bibliotheken abarbeitet. Andere Werke arbeiten sich an der Mathematik ab. Der Addison-Wesley-Verlag bietet mit „Deep Learning illustriert” ein Lehrbuc..

Sockets sind ein integraler Bestandteil der Kommunikation von Prozessen, sowohl lokal auf einem Rechner, aber insbesondere zwischen Maschinen über Netzwerkprotokolle. Mit RSocket.io ist seit 2015 ein Framework verfügbar, das die Socket-Programmierung mit dem Paradigma der „reaktiven” Programmierung verknüpft.