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.

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..

Als Martin Fowler sein Buch zu Refactoring erstmals auf den Markt warf, war es nicht weniger als eine vollständige Revolution. Das bisher nur in Smalltalk-Kreisen bekannte Konzept des Refactorings wurde nun mit in Java gehaltenen Beispielen für die Allgemeinheit zugänglich gemacht, was im Laufe der nächsten Jahre die Codequalität durch die Bank stark erhöhte.

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 ..

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..