Machine Learning

Bugfixing mit Machine Learning: Mozilla stellt BugBug vor

Fehler sind lästig! Und wer mit dem PC arbeitet, weiß: Bugs lauern an jeder Ecke! Doch wie durchsuchen Unternehmen mit der Größe von Mozilla eigentlich die endlosen Fehlerberichte, die jeden Tag eingehen? Mit Machine Learning, wie sich jetzt herausstellte. In einem Blog-Post stellt Mozilla nämlich BugBug vor, ein Open-Source-Tool, das Fehler automatisch klassifiziert.

Innovatives Machine Learning mit dem Apache-Kafka-Ökosystem

Machine Learning (ML) ermöglicht es Anwendungen, versteckte Erkenntnisse zu gewinnen, ohne explizit dafür programmiert worden zu sein, worauf sie bei der Erkenntnisfindung achten müssen. So können unstrukturierte Daten analysiert, Bild- und Spracherkennung verbessert und fundierte Entscheidungen getroffen werden. In diesem Artikel werden wir vor allem neue Trends und Innovationen rund um Apache Kafka und Machine Learning diskutieren.

Die 5 wichtigsten DevOps-Trends für 2019: NoOps, DevSecOps, KI und Co.

Der DevOps-Ansatz hat sich in der Software-Entwicklung in den vergangenen Jahren immer weiter durchgesetzt. Die effizientere und effektivere Zusammenarbeit von Entwicklung und IT-Betrieb bringt allen Beteiligten zahlreiche Vorteile: So steigt nicht nur die Qualität der Software, sondern auch die Geschwindigkeit, mit der neue Lösungen entwickelt und ausgeliefert werden. Es verwundert also nicht, dass mit der Ausbreitung von DevOps auch neue Tools und Ausbildungsrichtungen entstanden sind, welche die Popularität noch einmal zusätzlich befeuert haben. Wo die weitere Entwicklung hingeht, zeigt der folgende Ausblick auf die fünf wichtigsten DevOps-Trends 2019.

Buchtipp: Monetizing Machine Learning

Microsoft liebt Machine Learning unter anderem deshalb, weil es einen Continuous Revenue Stream darstellt: Nutzt ein Entwickler Azure beispielsweise zur Bildverschlagwortung, so überweist er die nächsten Jahre jeden Monat Geld nach Redmond. Apress liefert nun ein Lehrbuch, das Ihnen Werkzeuge zum Nachbauen einiger Cloudfunktionen verspricht.

Schnelleinstieg in Deeplearning4j – Teil 2: Training und Verwendung

Dieser Artikel zeigt in zwei Teilen, wie man in kürzester Zeit den Einstieg in Deeplearning4j (DL4J) schafft. Anhand eines Beispiels, in dem vorhergesagt werden soll, ob ein Kunde seine Bank verlassen wird, wird jeder Schritt eines typischen Arbeitsablaufs betrachtet. Dieser Teil widmet sich dem Training und der Verwendung des Modells und wirft einen Blick über den Schnelleinstieg hinaus.