iX Developer - Moderne Softwareentwicklung
12,90 €*
Lieferzeit 1-4 Werktage
- Mehr Sicherheit dank DevSecOps
- Deep-Learning-Modelle kompatibel portieren
- Koroutinen in Kotlin und Go
- Rust, Elixir und Elm: skalierbar, robust und sicher
Sprachen
Entwickler haben bei der Auswahl an Programmiersprachen die Qual der Wahl. Von einfach bis komplex, von universell bis hochspezialisiert reicht das Spektrum. Für moderne verteilte Anwendungen sollten sie außerdem sicher, skalierbar und robust sein. ab Seite 7
Praxis
Die Anforderungen zeitgemäßer Softwareentwicklung sind geprägt von Schlagwörtern wie DevSecOps, Microservices und GraphQL. Aber auch die stete Auseinandersetzung mit neuen Programmiersprachen sowie die Qualitätssicherung ihres Codes sollten Entwicklungsteams nicht aus den Augen verlieren. ab Seite 91
Cloud-native
Mit Kubernetes, Service-Meshes und anderen hilfreichen Tools sind Entwickler auch im Cloud-nativen Zeitalter bestens gerüstet, um altbewährte Prinzipien der Continuous Delivery noch besser einzusetzen und sich von Chaos Engineering inspirieren zu lassen. ab Seite 49
Machine Learning
Zur rasanten Entwicklung im Bereich Machine Learning trägt nicht nur das vollständig überarbeitete Framework TensorFlow 2 bei, auch im Browser laufen ML-Anwendungen bereits brauchbar. Auf dem Weg vom Prototyp zur Produktion hilft zudem das Austauschformat ONNX, während Datenschutzanforderungen neue Hürden aufbauen. ab Seite 135
-
Sprachen
- 8 Einstieg in Googles Programmiersprache Go
- 16 Programmieren in D
- 20 Rust - Sichere Programmiersprache für systemnahe und parallele Software
- 26 Verteilte Systeme: weniger warten, asynchron arbeiten
- 30 Webanwendungen sicher entwickeln und ohne Laufzeitfehler ausführen
- 40 End of Life für Python 2
- 44 Smalltalk: Mehr als eine Programmiersprache
Cloud-native
- 50 Continuous Delivery – regelmäßige Releases, höhere Produktivität
- 54 Cloud-nativ entwickeln mit Kubernetes
- 58 Brauchen asynchrone Microservices und Self-Contained Systems ein Service-Mesh
- 72 Serverless Computing – Theorie und Praxis
- 80 FaaS auf Kubernetes betreiben
- 84 Grundlagen des Chaos Engineering
- 92 Refactoring: Interview mit Martin Fowler
- 94 DevSecOps – der nächste Hype nach DevOps und Containern?
- 104 Microservices mit Kotlin, Vert.x und OpenAPI
- 112 Eine GraphQL-Applikation mit Java umsetzen
- 123 Wie Wire von JavaScript zu TypeScript wechselte
- 126 Die vielfältigen und unbekannten Fähigkeiten von Git
- 132 Clean Code: Interview mit Uncle Bob Martin
- 136 TensorFlow 2: Aufgeräumte APIs und neue Namespaces
- 140 Machine Learning im Browser mit TensorFlow.js
- 146 Portabilität für Deep-Learning-Modelle mit ONNX
- 151 DSGVO für ML-Anwendungen
- 3 Editorial
- 145 Impressum, Bildnachweise
Praxis
Machine Learning
Rubriken
Anmelden