Blog

Python Summit
Das große Trainingsevent für Python
11. - 13. Oktober 2021 | München April 2022 | München

29
Mrz

Die Top-5-Python-Bibliotheken für Machine Learning

Python ist die beliebteste Programmiersprache, wenn es um das Erstellen eines Machine-Learning-Projekts geht. Warum eigentlich? Nun, zunächst einmal sind die Algorithmen so komplex, dass man sich nicht noch zusätzlich um technische Details kümmern, sondern sich ganz auf die Logik konzentrieren möchte. Python hilft dabei, dank der einfachen Syntax, der hohen Entwicklungsgeschwindigkeit und der großen Flexibilität. Aber es gibt noch einen anderen Grund für die Beliebtheit von Python in dieser Domäne: die stetig wachsende Anzahl an Data-Science-Bibliotheken. Hier sind ein paar der populärsten Python-Bibliotheken, die in der Welt des Machine Learning zum Einsatz kommen.
24
Feb

Auf pythonischen Spuren: Schließt Tribuo den Feature-Gap zwischen Python und Java?

Nicht zuletzt ob der breiten Verfügbarkeit von Bibliotheken hat sich Python im Laufe der letzten Jahre als Quasistandard im Bereich Machine Learning etabliert. Logisch, dass man bei Oracle diesem Trend nicht wirklich gern zusah – schließlich und endlich muss Java ja große Verbreitung haben, möchte man am Produkt ernsthaft Geld verdienen. Vor einiger Zeit stellte Oracle deshalb die hauseigene Bibliothek Tribuo unter eine quelloffene Lizenz.
1
Okt

„Wir raten zu klassischen Machine-Learning-Algorithmen, die sich mit ähnlichen Mitteln wie traditionelle Software skalieren lassen“

Maschinelles Lernen – ein Zukunftsthema? Nein, sagt Oliver Zeigermann, Software-Entwickler bei embarc und Sprecher auf dem ML Summit 2019. Denn schon heute sind Anwendungen, die auf Machine-Learning-Mechanismen beruhen, in unserem Alltag gegenwärtig. Wo das heute geschieht, wie Reinforcement Learning funktioniert und welche Entwicklungen im Bereich des maschinellen Lernens uns noch bevorstehen, haben wir im Interview mit ihm besprochen.
5
Aug

Jupyter Notebooks für Lehre und Entwicklung – alles im Blick:
Notizbuch für Entwickler

Denkt man an Themen, die sich mangels Laborausstattung nur schwer oder gar nicht veranschaulichen lassen, kommen einem vielleicht Elektronik und ähnliche Themen in den Sinn. Dass allerdings auch ein eben mal schnell erstellter Algorithmus angesichts des Fehlens von Compiler und Co. Probleme verursachen kann, stellt man oft erst bei schärferem Nachdenken fest. Grundlage aller Jupyter-bezogenen Projekte ist ein als IPython bezeichneter Kernel, der im Prinzip eine um Komfortfunktionen erweiterte Variante der interaktiven Ansicht in REPL (Read-Eval-Print Loop) darstellt. Hintergedanke des meist nur als Komponente anzutreffenden Diensts war es, Entwicklern ein bequem ansprechbares Interface zu REPL zu geben, über das sich...
Read More
3
Mrz

„TensorFlow bringt Machine-Learning-Modelle auf jedes Gerät“

Machine Learning und Deep Learning werden inzwischen nicht mehr nur auf Desktop-PCs betrieben, sondern finden auch auf leistungsschwächeren Geräten wie Smartphones, Tablets oder gar Smartwatches Anwendung. Im Interview geben Meike Hammer und Maksim Moiseikin (arconsis IT-Solutions GmbH) Einblicke in diesen neueren ML-Bereich. Sie zeigen auf, was es dabei zu beachten gilt, welche Schwierigkeiten auftreten können, und weshalb sich TensorFlow besonders gut dafür eignet.
23
Aug

„Machine Learning ist nicht die Zukunft, sondern die Gegenwart“

Maschinelles Lernen – ein Zukunftsthema? Nein, sagt Oliver Zeigermann, Software-Entwickler bei embarc und Sprecher auf dem ML Summit 2019. Denn schon heute sind Anwendungen, die auf Machine-Learning-Mechanismen beruhen, in unserem Alltag gegenwärtig. Wo das heute geschieht, wie Reinforcement Learning funktioniert und welche Entwicklungen im Bereich des maschinellen Lernens uns noch bevorstehen, haben wir im Interview mit ihm besprochen.
Alle Updates zum Python Summit!