Das Wissensportal für IT-Professionals. Entdecke die Tiefe und Breite unseres IT-Contents in exklusiven Themenchannels und Magazinmarken.

heise conferences gmbh

(vormals SIGS DATACOM GmbH)

Lindlaustraße 2c, 53842 Troisdorf

Tel: +49 (0)511/5352-100

service-sigs@heise.de

Java

449 Inhalte
Entdecken Sie unser Archiv zu tiefgehenden Inhalte zum Thema Java.
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 ..
Architectural Runway aus Managementsicht
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..
AWS Deep Java Library – Was ist das?
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 ..
DevOps in der Praxis – Microservices verteilen mit Terraform
Ideal für schnell skalierende Microservice-Architekturen und -Umgebungen, haben Container-Technologien die Infrastruktur-Welt im Sturm erobert. Und mit ihnen ging eine erhebliche Komplexität in Bezug auf die Orchestrierung einher. Der ideale Nährboden für Kubernetes. Doch auch der Orchestrierer will im Blick behalten werden. Monitoringstrategien müssen überdacht und neu ausgerichtet werden, gerade..
Einer für alle, alle für Kubernetes
Wie kann man Python, das für datenwissenschaftliches Arbeiten weit verbreitet ist, in Kombination mit Java und JavaScript zur Verarbeitung und Visualisierung großer Datenmengen in professionellen Anwendungen verwenden? Wir stellen anhand eines aktuellen Fallbeispiels einen schnell einsetzbaren Architekturstack für den Einsatz von Data Science vor. Die Anwendung ist ein Cockpit, das betriebliche Da..
Ein Architekturstack für Data Science mit Java, Python und JavaScript – Teil 1: Architekturkomponenten