Je komplexer IoT-Infrastrukturen werden, desto wichtiger ist es, dass Protokolle und Standards harmonieren. Wir zeigen in diesem Beitrag die wichtigsten IoT-Protokolle und geben Tipps für den richtigen Einsatz.

In den vergangenen Monaten hat wohl kein KI-Tool solche Wellen geschlagen wie ChatGPT von OpenAI. Microsoft arbeitet eng mit den Entwicklern von ChatGPT zusammen und integriert das KI-Tool als Cloud-Dienst in Azure. Geplant sind weitere Integrationen in Office, Bing und andere Microsoft-Programme.

GitHub unterstützt mit seinem neuen Copilot-Dienst bei der Entwicklung von Apps für die Datenanalyse. Copilot ist vor allem für Anfänger hilfreich, sodass Analysten und Datenwissenschaftler optimalen Code entwickeln können, ohne die Programmiersprache perfekt beherrschen zu müssen.

Wer sich mit Künstlicher Intelligenz (KI) und Machine Learning (ML) oder auch mit Programmen im Bereich Statistik, Mathematik, Analyse oder Data Mining beschäftigt, sollte sich die Möglichkeiten der Python-Library scikit-learn anschauen. Der Beitrag gibt einen Überblick.

Das kostenlose Java-Tool OpenRefine kann Daten aus verschiedenen Quellen importieren und auch direkt mit Datenbanken kommunizieren. Das Tool kann darüber hinaus die importierten Daten bereinigen, transformieren, gliedern und für andere Lösungen bereitstellen.

Mit der Programmiersprache Go lassen sich kleinere Programme genauso einfach entwickeln wie komplexe Anwendungen. Im Fokus von Go steht die plattformübergreifende Entwicklung.

Mit Redash können verschiedene Datenquellen angebunden und über Dashboards visualisiert werden. Es können parallel auch mehrere Datenquellen zusammengefasst werden. Der Betrieb der Lösung ist auch mit Docker möglich.

Mit Atlas.ti können Analysten und Datenwissenschaftler sehr große Mengen an strukturierten oder unstrukturierten Daten hochprofessionell qualitativ analysieren. Vor allem Wissenschaftler nutzen das Tool für ihre Analysen im Bereich Medizin, Kriminologie, Wirtschaft oder anderen Bereichen, in den große Datenmengen anfallen. Auch in sozialen Wissenschaften kommt das Tool häufig zum Einsatz.

Mit StreamSets Transformer kann modernes ETL auch mit Apache Spark zum Einsatz kommen. Sinnvolles Einsatzgebiet ist zum Beispiel das Trainieren von ML-Modellen oder das Sammeln von Daten aus verschiedenen Cloud-Plattformen.

Apache Beam ermöglicht als Parallel Computing Framework das Verarbeiten von nahezu unbegrenzten Datenmengen. Die Open Source Software bietet über verschiedene SDKs das Definieren von Batch-Pipelines oder Pipelines für Streaming-Data-Processing und unterstützt Hadoop, Spark und andere Engines.