Machine Learning

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.

Machine Learning goes E-Mobility: Mit Datenanalyse die Elektromobilität vorantreiben

Datenanalyse ist eine der wichtigsten Kompetenzen, wenn es darum geht, den Erkenntnisgewinn zu steigern und Wettbewerbsvorteile auszubauen. Von einer konkreten Fragestellung bis zur Darstellung eines aussagekräftigen Ergebnisses ist es jedoch ein weiter Weg. Welche Aufgaben sind mit einem typischen Analyse-Prozess verbunden? Welche Stufen der Analyse gibt es? Welche Methoden und Abläufe kommen zum Einsatz, um den Analyse-Prozess umzusetzen? Welche Kompetenzen benötigt ein Analyse-Team? Neben Antworten auf diese Fragen präsentiert der folgende Artikel, welche Architekturen und Technologien für die Implementierung von Predictive-Analytics-Komponenten infrage kommen. Beispiele aus einem konkreten Anwendungsfall, der Analyse von Daten aus Ladeparks, illustrieren die vorgestellten Konzepte und Methoden.