Der "Steuermann" (Kubernetes) bestimmt, wohin die Reise der Container geht. (gemeinfrei - Alexander Kliem / Pixabay)

Container, Kubernetes und Persistent Storage

Anfangs wurde die x86-CPU nur zu zehn Prozent genutzt. Dann kam die virtuelle Maschine und trieb die Auslastung in bis dato unbekannte Dimensionen. Doch für die Scale-out Architektur der großen Webscaler wird die Parallelisierbarkeit von Anwendungen benötigt, die Google mit seinen Microservices in die Welt der Commodity-Prozessoren gebracht hat.

Weiterlesen
PLS‘ UDE unterstützt NXPs neue S32K3-MCU-Familie mit optimierten Debug-, Analyse- und Testfunktionen . Systementwickler profitieren von vielseitigen Visualisierungsmöglichkeiten. (PLS)
Universal Debug Engine

Debugging, Analysen und Tests von S32K3-MCUs

Die neueste Version der Universal Debug Engine (UDE) von PLS bietet umfangreiche Debug- und Trace-Funktionen für die S32K3 Automotive MCU-Familie von NXP. Die auf der Arm Cortex-M7 Architektur basierenden S32K3-Bausteine können auch in Anwendungen mit besonders hohen Anforderungen an die funktionale Sicherheit (bis ASIL D nach ISO 26262) eingesetzt werden.

Weiterlesen
Prof. Dr. Jutta Heller: Die Beraterin, Trainerin und Autorin gibt Tipps für Ihre persönliche Resilienz. (Ingo Foertsch)
Keynote ESE Kongress 2021

Fit für stürmische Zeiten mit Resilienz

Die Corona-Zeit war für viele enorm belastend. Doch auch außerhalb von Pandemien müssen wir uns immer wieder aufs Neue mit beruflichen, wirtschaftlichen oder privaten Krisen auseinandersetzen. In Ihrer Keynote auf dem ESE Kongress 2021 schildert Prof. Dr. Jutta Heller, wie Sie solchen Situationen mit Kraft und Resilienz begegnen.

Weiterlesen
Kernel-Maschinen werden verwendet, um nichtlinear trennbare Funktionen zu berechnen, um so eine linear trennbare Funktion höherer Ordnung zu erhalten.  (Kernel Machine.svg / Alisneaky, svg version by User:Zirguezi / CC BY-SA 4.0)

Optimale Clusteranalyse und Segmentierung mit dem k-Means-Algorithmus

Der k-Means-Algorithmus ist ein Rechenverfahren, das sich für die Gruppierung von Objekten, die sogenannte Clusteranalyse, einsetzen lässt. Dank der effizienten Berechnung der Clusterzentren und dem geringen Speicherbedarf eignet sich der Algorithmus sehr gut für die Analyse großer Datenmengen, wie sie im Big-Data-Umfeld üblich sind, so etwa in der Bildverarbeitung und in der Kundensegmentierung.

Weiterlesen