In den meisten Fällen scheitern Projekte für maschinelles Lernen (ML) nicht an einem „falschen“ Algorithmus, sondern an der mangelnden organisatorischen Unterstützung, einem klaren Fahrplan und einer einfachen Methode. Welche entscheidenden Vorüberlegungen müssen für ML-Projekte angestellt werden?

Blockchain war lange Zeit das IT-Thema schlechthin und galt als Zukunftstechnologie. Doch dank Krypto-Pleiten und hohen Energiepreisen, KI-Boom und Regulierungsgesetzen steht die Technik für viele Anwendungen mit dem Rücken zur Wand.

Code-Vervollständigung kann Entwicklern dabei helfen, schneller zu programmieren und Fehler zu vermeiden. Die in den meisten IDEs vorfindbare Funktion bringt jedoch auch einige Nachteile beim täglichen Einsatz mit sich.

Ziel einer Software-Migration ist die Erneuerung eines Anwendungssystems, damit es auch aktuelle Anforderungen erfüllt. Bestimmte Teile wie die Geschäftslogik sollen dabei erhalten bleiben. Gegenüber der Neuentwicklung spart dies Ressourcen, Zeit und Aufwand – sofern das Tooling stimmt.

Wer seine Entwicklungszyklen zu lang werden lässt, riskiert einen Teufelskreis, aus dem nur schwer wieder zu entkommen ist. Kurze Entwicklungszyklen lassen einen nicht nur deutlich flexibler auf Fehler reagieren, sondern fördern auch die Developer.

IT-Technik hat großen Einfluss auf den weltweiten Stromverbrauch – und damit auf das Klima. Mit der Praktik des Green Coding sollen Infrastruktur und Anwendungen möglichst ressourcenschonend gestaltet werden. Das hat auch Kostenvorteile für Betreiber von Servern und Geräten.

Das Fundament steht, der mithilfe von ChatGPT programmierte Browser zeigt Webseiten korrekt an – jetzt geht es an die erweiterten Funktionen. Es geht fluffig los, doch die Hürden kommen schnell und heftig.

Jeder ist ein Entwickler! Ein Versprechen, dass weder WYSIWYG-Editoren noch No-Code-Plattformen wirklich einhalten konnten. Mal schauen, wie es an der AI-Front aussieht.

Zum Abschluss unserer kleinen VS-Code-Reihe widmen wir uns noch einmal dem Thema, Azure App Services in VS Code bereitzustellen. Anstelle einer CI/CD-Bereitstellung gehen wir hier aber auf den direkten, quasi nativen Support für Azure Web Apps anhand eines konkreten Beispiels ein.

Mit MindsDB ML-SQL Server können Entwickler Abläufe für Programme und Modelle in den Bereichen Künstliche Intelligenz (KI) und Machine Learning (ML) über SQL abwickeln. Dadurch lassen sich zum Beispiel Modelle als KI-Tabellen bereitstellen. Das ermöglicht beispielsweise umfassende Prognosen für komplexe Daten.