5. – 9. November 2018 | München

BIG DATA & MACHINE LEARNING
W-JAX KONFERENZ

„Java-Entwickler würden sehr viel mehr SQL schreiben,
wenn sie die Technologie besser verstehen würden.“

– Lukas Eder, Data Geekery GmbH

Jetzt anmelden

TRACK-SPEAKER

Ben Stopford

Ben Stopford

Confluent Inc
Sebastian Meyen

Sebastian Meyen

Software & Support Media
Lukas Eder

Lukas Eder

Data Geekery GmbH
Milan Kratochvil

Milan Kratochvil

Profinit
Petr Pascenko

Petr Pascenko

Profinit
Niklas Heidloff

Niklas Heidloff

IBM
Norman Seibert

Norman Seibert

Iteratec
Markus Harrer

Markus Harrer

Software Development Analyst
Oliver Zeigermann

Oliver Zeigermann

embarc
Thomas Trepper

Thomas Trepper

Confluent Inc.
Fernando Cejas

Fernando Cejas

IBM
Robin Moffatt

Robin Moffatt

Confluent
Arno Haase

Arno Haase

Selbstständig
Guido Schmutz

Guido Schmutz

Trivadis
Lukas Berle

Lukas Berle

OPITZ CONSULTING Deutschland GmbH
Uwe Friedrichsen

Uwe Friedrichsen

codecentric AG
Dr. Shirin Glander

Dr. Shirin Glander

codecentric AG
Kai Waehner

Kai Waehner

Confluent
Big Data & Machine Learning Icon

Big Data & Machine Learning

Entwickler müssen den Weg durch ein Datenmeer finden. Das bedeutet auf der einen Seite Daten im Sinne von Big Data nicht nur zu speichern und zu sortieren, sondern auch zu analysieren und Wissen daraus zu generieren. Der nächste Schritt ist dann Fast Data. Hier wollen wir uns der Echtzeit möglichst annähern. Zum Einsatz kommen dabei Datenbanken wie CouchDB oder MongoDB und Tools wie Spark, Cassandra und Elasticsearch. Auch das gute alte SQL hat noch lange nicht ausgedient.

TRACK PROGRAMM DER W-JAX 2018

Tag 1
05. Nov 2018

de

09:00 - 17:00

Akka-Workshop – Robuste und skalierbare Systeme mit Akka

Arno Haase, Selbstständig

en

09:00 - 17:00

Apache Kafka Workshop: Introduction to the architecture and ecosystem of enterprise data streaming

Thomas Trepper, Confluent Inc.
Tag 2
06. Nov 2018

de

09:00 - 09:30

Begrüßung und Eröffnung der W-JAX 2018

Sebastian Meyen, Software & Support Media

de

10:30 - 11:30

Machine Learning für Softwareentwickler

Oliver Zeigermann, embarc

de

11:45 - 12:45

Die Best Practices der Data Scientists

Markus Harrer, Software Development Analyst

en

11:45 - 12:45

Big Data evolution and its impact on predictive models in finance and telecommunications

Milan Kratochvil, Profinit
Petr Pascenko, Profinit

en

14:15 - 14:45

The Future of Streaming: Global Apps, Event Stores and Serverless

Ben Stopford, Confluent Inc

de

15:00 - 16:00

Big-Data-Architekturen und zehn typische Stolpersteine auf dem Weg dahin

Lukas Berle, OPITZ CONSULTING Deutschland GmbH

de

15:00 - 16:00

Entwicklung von AI Applikationen ohne Machine Learning Skills

Niklas Heidloff, IBM

en

16:45 - 17:45

Unleashing Apache Kafka and TensorFlow in the Cloud

Kai Waehner, Confluent
Tag 3
07. Nov 2018

de

10:00 - 11:00

Wie moderne SQL-Datenbanken auf Algorithmen kommen, von denen du nie geträumt hättest

Lukas Eder, Data Geekery GmbH

en

10:00 - 11:00

Reality’s dark side: Quantum and Monkeys

Fernando Cejas, IBM

en

11:45 - 12:45

Apache Kafka and KSQL in Action : Let’s Build a Streaming Data Pipeline!

Robin Moffatt, Confluent

de

15:00 - 16:00

Eine Einführung in Deep Learning

Uwe Friedrichsen, codecentric AG
Dr. Shirin Glander, codecentric AG

de

15:00 - 16:00

Vom Erfolg überrollt: Wenn ein Prototyp plötzlich live geht

Norman Seibert, Iteratec

de

16:45 - 17:45

(Big) Datenserialisierung mit Avro und Protobuf

Guido Schmutz, Trivadis
Alle News der Java-Welt:
Alle News der Java-Welt:

Behind the Tracks of W-JAX 2018

Agile & Culture
Teamwork & Methoden

Big Data & Machine Learning
Speicherung, Processing & mehr

Clouds, Container & Serverless
Alles rund um Cloud

Core Java & JVM Languages
Ausblicke & Best Practices

DevOps & Continuous Delivery
Deployment, Docker & mehr

Microservices
Strukturen & Frameworks

Web Development & JavaScript
JS & Webtechnologien

Performance & Security
Sichere Webanwendungen

Serverside & Enterprise Java
Spring, JDK & mehr

Digital Transformation & Innovation
Technologien & Vorgehensweisen

Software Architecture
Best Practices