InfoWorld prepoznaje vodeće projekte otvorenog koda za razvoj softvera, računarstvo u oblaku, Big Data i mašinsko obučavanje. Sećate se Snorta? Ili Asteriska? Ili Jaspersofta ili Zimbre? Pa, možda ih još uvek koristite. Svi ovi šampioni otvorenog koda - dobitnici nagrade InfoWorld za najbolji softver otvorenog koda od pre 10 godina - i dalje imaju uspeha. Zašto i ne bi? I dalje su savršeno korisni. Pre deset godina ovi alati su bili jedan od najboljih odgovora na hitne potrebe mreža u preduzeću - za otkrivanje upada, upravljanje pozivima, izveštavanje i saradnju. Ali, gledajući ih sada, ne možete a da ne pomislite: "Auh. Softver je tada bio toliko jednostavniji. "

Organizacija alata otvorenog izvora Eclipse želi da integriše Docker, NoSKL i Kubernetes u Javu za preduzeća, a za standard uzima Maven i Jenkins. Novoobjavljena "površna" tehnička vizija za Java platformu kompanije Eclipse Foundation, koja se sada zove Jakarta EE, fokusira se na prenosivo postavljanje aplikacija iz oblaka, kao i na modularnost Java 9. Projekat se planira na rasporedu od godinu dana. Vizija dodiruje nekoliko aspekata pristupa koji Eclipse želi da preduzme sa Javom za preduzeća.

Najnovija verzija alatke za konverziju Python-u-C koristi Pythonovu vlastitu sintaksu za nagoveštaj tipa i tako ubrzava procesa konverzije. Cython, komplet alatki koji omogućava da se Python kôd konvertuje u veoma brzi C-kôd, ima novu verziju 0.27 koja sada može da koristi Pythonovu vlastitu sintaksu za nagoveštaj tipa i tako ubrzava proces konverzije Python-u-C. Ranije su korisnici Cythona mogli da ubrzaju Python samo pomoću dekoratora koda sa anotacijama o tipu na dijalektu koji je svojstven Cython-u. Python ima svoju vlastitu opcionu sintaksu za anotacije sa promenljivim tipom, ali Cython je nije koristio.

InfoWorld hvali vodeće projekte otvorenog koda za razvoj softvera, računarstvo u oblaku, mašinsko obučavanje, skladištenje i analitiku podataka i bezbednost. Softver otvorenog koda nije ono što je nekada bio. Iraz se odnosio na sliku usamljenog programera, koji radi noću i vikendom, piše red za redom koda iz lične želje ili da ostvari neku ličnu viziju. Ali sa svakom godinom koja protiče - i svakim novim izveštajem iz vidika otvorenog koda koji nazivamo našim nagradama za najbolji softver otvorenog koda, ili Bossies (Best of Open Source Software Awards) - ta slika usamljenog vizionara postaje sve bleđa.

Algoritmi i modeli za mašinsko obučavanje neće uvek biti samo za stručnjake, zahvaljujući ovim najnovijim projektima. Snaga mašinskog obučavanja ima svoju cenu. Kad jednom imate veštine, alatke, hardver i podatke, još uvek postoji složenost koja se tiče stvaranja i finog podešavanja modela za mašinsko obučavanje. Ali, ako je celi smisao mašinskog obučavanja da se automatizuju zadaci koji su ranije zahtevali čoveka na čelu, zar ne bi bilo moguće koristiti mašinsko obučavanje da bi se i iz samog mašinskog obučavanja izdvojio neki deo posla? Kratki odgovor je: kompetentno da. Zbirka tehnika, pod opštim nazivom "automatizovano mašinsko obučavanje" ili AML (Automated Machine Learning), može smanjiti posao potreban za pripremu modela i njegovo postepeno poboljšavanje radi unapređenja njegove preciznosti.

Zašto programski jezik Python blista u domenima nauke o podacima, mašinskog obučavanja, automatizacije sistema, razvoja veba i API-a i šire. Nastao 1991, Python je relativno nov programski jezik. Od samog početka, za Python se smatralo da popunjava prazninu, da je to način pisanja skriptova koji "automatizuju dosadne stvari" (kao što je stajalo u jednoj popularnoj knjizi o učenju Pythona) ili za brzu izradu prototipa aplikacija koje će se implementirati na jednom ili više drugih jezika. Međutim, tokom poslednjih nekoliko godina, Python se pokazuje kao prvoklasni učesnik u savremenom razvoju softvera, upravljanju infrastrukturom i analizi podataka. On više nije uslužni jezik u pozadini, već glavna sila u razvoju veb aplikacija i upravljanju sistemima i ključni pokretač iza eksplozije analitike Big Data i mašinskoj inteligenciji.