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 ..

JavaSPEKTRUM sprach mit Markus Eisele von Red Hat darüber, wie Kubernetes-native Entwicklung den Entwicklern das Leben leichter machen kann.

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.

Die Verteilung von Microservices ist eine komplexe Herausforderung, die nur vollautomatisiert effizient erfolgen kann. Manuelle Arbeitsschritte innerhalb dieses Prozesses sind langsam und fehleranfällig und stellen somit ein grundlegendes Problem dar. Eine Lösung ist der Einsatz von Infrastructure-as-Code (IaC)-Werkzeugen zur Automatisierung dieses Prozesses. Der Artikel stellt eine Best Practice ..