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.

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..

Der Artikel beschreibt anhand eines realen Projektbeispiels eine Vorgehensweise für das „replatforming“ (= von Hardware oder VMs zu Containern) monolithischer Applikationen und den damit verbundenen Ansatz zur Cloud-Transformation. Dabei geht es um das allmähliche Ersetzen der komplexen Altanwendungen durch „rebuilding“ der Funktionalitäten als native Cloud-Services. Wir zeigen unsere Methodik und..

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

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.