Java

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..

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..

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..

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.

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.