Java

Die Umfrage „Softwaretest in Praxis und Forschung” ist auch 2020 wieder mit mehr als 1000 eingegangenen Antworten der größte unabhängige Pulsmesser im Bereich des Testens im deutschsprachigen Raum. Die Analysen zeigen, dass der Wert von Continuous Integration (CI) im Bereich der Qualitätssicherung zusammen mit weiteren verwandten Methoden allgemein anerkannt ist, vor allen Dingen in agil durchgefü..

Für die statische Codeanalyse gibt es mittlerweile einige freie Tools. Aber jQAssistant ist anders – nicht nur, weil es durch verschiedene Scanner die verschiedensten Artefakte lesen kann, sondern weil die gelesenen Artefakte mit Informationen der eigenen Architektur so angereichert werden können, dass auch diese mit überprüft werden können. Aus diesem Grund speichert jQAssistant alle Informatione..

Fehler und deren Reparatur gehören leider immer wieder zum Arbeitsalltag. Dabei sorgen Fehler bekanntlich sowohl bei den Entwicklern als auch bei den Anwendern für Frust. Durch die dynamische Typisierung bei JavaScript sind komplexe Webanwendungen mit mehreren Entwicklern besonders fehleranfällig. TypeScript bietet eine passende Alternative mit statischer Typisierung, die es ermöglicht, dass viele..

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..

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.