Blog

Logo LØWEN Hamburg

Meet and greet: LØWISTICON

Holistikönner sind #GERNEGEBER und so sponsern wir unter anderem die LØWEN Hamburg. Das kraftvolle Tischkickerteam hat uns im neuen Hamburger Office besucht und dabei gehörig die Kickertische aufgemischt. Wir freuen uns über den Beitrag, in dem die Mädels ihren Eindruck über unser erstes „meet and greet“ teilen. Viel Freude beim Lesen.

Unlike other cats, lions are very social animals which can also be reflected in LØWEN Hamburg, therefore it was not a difficult decision to accept the invitation and go see who our new sponsors were. It was presented as a meet and greet training session in what LØWEN knows best, Foosball. …


weiterlesen

Die LØWEN zu Gast bei Holisticon

Vielen Dank für den tierischen Abend, ihr LØWEN!

Seit Februar sind wir als Hauptsponsor mit den LØWEN Hamburg verbandelt. Nun hat es endlich geklappt und die Ladies haben uns in unserem neuen Büro besucht, um ein paar Matches zu bestreiten und uns vor allem ein paar Tipps und Tricks zu verraten. Ach ja, es gab auch noch ein wenig Regelkunde 😉.

Nach kurzem „Meet and Greet“ sind wir gleich an die Tische und in die Vollen gegangen. Unsere Bälle wurden als „Kartoffeln“ erstmal gegen adäquates, rundes, aber leider auch schlüpfriges Spielgerät getauscht und die Griffe mit den im Profibereich üblichen Griffbändern präpariert….


weiterlesen
Structures

Microservices mit Kotlin, Vert.x und OpenAPI, Teil 1 und 2

Dank neuer Konzepte und Techniken lassen sich mit wenig Boilerplate-Code und in kurzer Zeit schlanke und auch ressourcenschonende Microservices implementieren.

Eine sehr charmante Auswahl an Technologien bieten die JVM-Sprache Kotlin, das Framework Vert.x und die OpenAPI Spezifikation.

Wie man damit schnell und schlank Microservices bauen kann, wird in einem zweiteiligen Artikel bei Heise Developer beschrieben (Link zu Teil 2).

Maschinelles Lernen ohne empirische Daten?

Wenn ein System komplexe Entscheidungen treffen muss, wird immer häufiger Maschinelles Lernen als eine mögliche Lösung vorgeschlagen. Meistens ist man dann auf empirische Daten angewiesen, um das System zu trainieren. Was passiert aber, wenn keine Daten vorhanden sind? Wie kann man die Vorteile von maschinellem Lernen ohne empirische Daten nutzen?

Genau mit dieser Frage beschäftigt sich unser Mitarbeiter Ferhat Ayaz in der aktuellen Ausgabe der Zeitschrift OBJEKTspektrum (03/2019) in einem spannenden Artikel zum Thema „Lernen bei der Suche nach Lösungen“. Der Beitrag bietet einen Überblick über Constraint-Satisfaction-Probleme und stellt neue Perspektiven vor, die Maschinelles Lernen beim Suchen einer Lösung durch künstliche Intelligenz unterstützen kann. Die Zeitschrift ist online oder im gut sortierten Zeitschriftenhandel erhältlich.