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.

Neue aufkommende Marktentwicklungen erhöhen den Druck auf die IT der Unternehmen zusehends. ERP-Systeme wurden bisher aufgrund ihrer Größe und Komplexität meist klassisch entwickelt, doch strategische Entscheidungen von Softwareanbietern wie SAP führen immer mehr zu der Notwendigkeit, auch diese Systeme agil zu entwickeln. In der agilen Softwareentwicklung steigt die Bedeutung des automatisierten ..

Viele Unternehmen ziehen mit ihrer Software in die Cloud um. Dabei stehen sie vor der Entscheidung, die Services der einschlägigen Cloud-Anbieter zu nutzen – oder auch nicht. Denn häufig bedeutet die Nutzung dieser Dienste nicht nur eine Änderung der üblichen Prozesse, sondern auch eine Veränderung des Bewusstseins, etwa im Bereich Compliance oder im Bereich IT-Security.

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..

Der Betrieb komplexer Softwaresysteme ist eine Herausforderung voller Tücken und Risiken. Ohne die enge Zusammenarbeit von Entwicklungs- und Operations-Teams fallen Probleme erst spät auf und sind teuer in der Behebung. Der DevOps-Ansatz verspricht hier Abhilfe, indem er agile Entwicklungsmethoden auf den Betrieb der Software erweitert. Wir zeigen, wie die Container-Orchestrierung mit Kubernetes d..