Machine Learning

Continuous Delivery für Machine Learning: Machine-Learning-Anwendungen in Produktion bringen

In der heutigen Softwareentwicklung ist es selbstverständlich geworden, dass Usern laufend neue Funktionen und Erweiterungen geboten werden. Das trifft sowohl auf Benutzeranwendungen im Mobil-, Web- und Desktopbereich zu als auch auf moderne Unternehmenssoftware. Umfangreiche und den Betrieb störende Software-Go-lives werden nicht mehr geduldet. Mit Continuous Delivery (CD) lässt sich die Frequenz, mit der Software zuverlässig produktiv ausgeliefert werden kann, drastisch erhöhen.

Kubernetes 1.17, neues Golang-Framework & die DevOpsCon 2019 – Unsere Top-Themen der Woche

Vergangene Woche segelte Kubernetes 1.17 in den Hafen von JAXenter ein und hatte insgesamt 22 Erweiterungen mit an Bord. Ebenfalls neu erschienen ist Goyave – ein Go-Framework, das Entwicklern beim Erstellen von Webanwendungen unterstützt. Daneben haben wir auch einen Blick auf ein von Entwicklern ziemlich beliebtes Thema geworfen: Programmiersprachen. Was sonst noch wichtig war, erfahrt Ihr in unserem Wochenrückblick.

Die Erziehung der Künstlichen Intelligenz und die Rolle der Qualitätssicherung

KI-basierte Anwendungen schicken sich an, die Welt, wie wir sie kennen, nachhaltig zu verändern. Nicht nur an der Oberfläche, sprich den Eingabe- und Ausgabe-Tools für die Kommunikation mit der Maschine, sondern noch viel tiefer, dort, wo automatisierte Entscheidungen mit erheblicher Reichweite getroffen werden. Aber die Intelligenz der Maschinen fällt nicht vom Himmel. Sie müssen trainiert und getestet werden. Das ist alles andere als trivial.

Machine Learning gegen Geldwäsche: „Algorithmen erkennen Kriminalitätsmuster frühzeitiger als Menschen“

Wer erinnert sich nicht an den Film „Minority Report“? Dort wurden Verbrechen von hellseherischen Menschen vorhergesagt, der genaue Tathergang via Science-Fiction-Technologie direkt aus dem Gedächtnis auf Bildschirme projiziert. Ganz so mystisch ist der Ansatz von hawk-AI und PwC, Geldwäscheprävention via Machine-Learning-Algorithmen vorherzusagen nicht. Spannend ist das Ganze dennoch. Wie genau Geldwäsche mit smarten Technologien verhindert werden kann, erklärt Tobias Schweiger, Co-Founder und CEO von hawk:AI im Interview.