Das Wissensportal für IT-Professionals. Entdecke die Tiefe und Breite unseres IT-Contents in exklusiven Themenchannels und Magazinmarken.

heise conferences gmbh

(vormals SIGS DATACOM GmbH)

Lindlaustraße 2c, 53842 Troisdorf

Tel: +49 (0)511/5352-100

service-sigs@heise.de

Java

449 Inhalte
Entdecken Sie unser Archiv zu tiefgehenden Inhalte zum Thema Java.
Feature Flags haben mittlerweile in vielen Projekten einen festen Platz. In dieser Kolumne wollen wir uns anschauen, welche Probleme sich durch Feature Flags lösen lassen. Neben der reinen Theorie lernen wir dabei auch die drei Java-Bibliotheken FF4j, Togglz und Unleash kennen, mit denen sich Feature Flags in Java nutzen lassen.
Feature Flags mit FF4j, Togglz oder Unleash in Java einsetzen
Auf dem Markt von Deep-Learning-Frameworks wird man meist im Bereich Python fündig. NumPy, Matplotlib, MXNet, PyTorch oder auch TensorFlow sind aus der Deep-Learning-Gemeinde nicht mehr wegzudenken. Start-ups, die über einen eher kleinen sowie modernen IT-Stack verfügen, haben zumeist kein Problem damit, sich schnell in Richtung Python oder andere moderne Implementierungssprachen auszurichten. Doc..
AWS Deep Java Library – Was ist das?
Als Martin Fowler sein Buch zu Refactoring erstmals auf den Markt warf, war es nicht weniger als eine vollständige Revolution. Das bisher nur in Smalltalk-Kreisen bekannte Konzept des Refactorings wurde nun mit in Java gehaltenen Beispielen für die Allgemeinheit zugänglich gemacht, was im Laufe der nächsten Jahre die Codequalität durch die Bank stark erhöhte.
„Refactoring“ von M. Fowler
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..
„Deep Learning illustriert“ von Jon Krohn et al.
Medizinische Daten von Patienten werden aktuell in Krankenhäusern auf unterschiedlichste Weisen aufgezeichnet und in unterschiedlichsten Systemen gespeichert. Die Daten werden für Diagnosen und Verlaufskontrollen punktuell genutzt, größere Zusammenhänge und daraus ableitbares Wissen liegen jedoch brach. Durch eine kontinuierliche wissenschaftliche Begleitung und den Einsatz von neuartigen Methoden..
Eine Pipeline für KI-basierte (medizinische) Datenanalyse