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.

Das JDK Enhancement Proposal (JEP) 338 umfasst eine Erweiterung des JDK um eine Programmierschnittstelle zur Beschreibung von Vektorberechnungen. Das API ermöglicht es, entsprechende Berechnungen zur Laufzeit in optimale Hardware-Instruktionen zu übersetzen. Dabei ist das Ziel, für die jeweilige CPU-Architektur und die damit zur Verfügung stehenden Befehlssätze eine deutliche bessere Performanz im..

Hallo, diesmal gibt es hier in der Tool Talk-Kolumne eine doppelte Premiere. Nicht nur, dass ich aus gegebenem Anlass einmal Tools in Python vorstelle – nein, die Kolumne ist auch länger als sonst. Warum? Diese Ausgabe beschäftigt sich im Schwerpunkt mit dem Thema „Machine Learning“, und – ob man es als Java-Entwickler zugeben will oder nicht – hier ist das Python-Universum größer als der Java-Kos..

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..

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