Außerdem: Windows 10 Insider Preview Build 16362 im Skip-Ahead-Programm

Fast Forward: Ausblick auf Meteor 1.6 & GitHub Enterprise 2.11 ist erschienen
Kommentare

Heute im Fast Forward: Ausblick auf Meteor 1.6 | Windows 10 Insider Preview Build 16362 für Skip Ahead Only | GitHub Enterprise 2.11 ist erschienen | NativeScript UI 3.1 veröffentlicht | TensorFlow: so verwendet man Datasets und Estimators

Ausblick auf Meteor 1.6

Meteor 1.6 wird die nächste große Meteor-Version werden und eine Vielzahl Neuerungen und Verbesserungen mitbringen. Bereits seit rund drei Monaten arbeitet das Entwickler-Team parallel zu Meteor 1.5.x am kommenden Update. Bisher, so erklärt Ben Newman im Meteor-Blog, sind bereits 26 Beta-Versionen von Meteor 1.6 erschienen; das Release der Stable-Version rückt also immer näher. In einem aktuellen Blogpost bietet Newman schon mal einen Ausblick auf die spannendsten Neuerungen in Meteor 1.6, zu denen etwa Node 8.4.0, die Reduzierung der Anzahl der Babel-Plugins auf dem Server sowie natives Debugging gehören. Alle Highlights sind im oben genannten Blogpost zusammengefasst.

Windows 10 Insider Preview Build 16362 für Skip Ahead Only

Nachdem gestern ein neuer Preview Build 16288 für das Windows 10 Fall Creators Update das Licht der Welt erblickt hat, dürfen sich heute auch die Windows Insider im Skip-Ahead-Programm freuen: Insider Preview Bild 16362 für PC steht ihnen ab sofort zur Verfügung. Rund einen Monat vor der Veröffentlichung des Windows 10 Fall Creators Updates am 17. Oktober arbeitet Microsoft natürlich schon am Nachfolger mit dem vorläufigen Namen Redstone 4. Bisher hat dieser noch keine bahnbrechenden Neuerungen im Gepäck, soll aber eine verbesserte Boot Experience und darüber hinaus Verbesserungen für die Windows Shell, Microsoft Edge und weitere Bug-Fixes mit. Detaillierte Informationen bietet der Beitrag auf dem Microsoft-Blog.

GitHub Enterprise 2.11 – Wunschfeatures integriert

Etwas mehr als drei Monate nach Version 2.10 ist ab sofort Version 2.11 von GitHub Enterprise verfügbar. Das Update für den Repository-Verwaltungsdienst bringt laut dem Entwicklerteam Wunschfeatures wie einen Performanceschub für Hochverfügbarkeitsumgebungen, noch granularer definierbare Permissions sowie Code-Review-Verbesserungen.
In puncto Performance ist vor allem das Geo-Replication-Feature zu nennen, das Code-Requests bei der Arbeit mit verteilten Data Centers immer zum nächstgelegenen Server schickt. Ebenfalls an Bord ist Hotpatching für Upgrades ohne Downtime sowie feingranular definierbare Permissions für eingebettete Teams inklusive der Weitervererbung von Zugriffrechten hierarchisch von oben nach unten. Auf Zeitersparnis sind die Neuerungen beim Code-Review getrimmt – inklusive genauer Bestimmung von reviewverantwortlichen Entwicklern und Teams, geschützten Branches und einer verbesserten Navigation. Für mehr Infos und weitere kleine Neuerungen empfehlen wir den offiziellen Blogpost, das folgende Video oder die Release Notes.

NativeScript UI 3.1 veröffentlicht

Das NativeScript UI 3.1 ist da und bringt einige Verbesserungen mit. Dazu gehört ein neues API in RadViewList, womit das unmittelbare Scrollen zu Items aus verschiedenen Viewports heraus möglich ist. Auch RAdDataForm hat einige Neuerungen bekommen; dazu gehört eine asynchrone Synchronisation. In RadChart kann Trackball Content nun für jeden DataPoint personalisiert werden. Ein Überblick über die wichtigsten Neuerungen bietet der Blogpost zum Release; alle Änderungen können in den Release Notes nachgelesen werden. (Ann-Cathrin)

TensorFlow: so verwendet man Datasets und Estimators

Machine-Learning-Plattform TensorFlow enthält mit Datasets und Estimators zwei spannende Features, deren Benutzung das TensorFlow-Team in einem Tutorial näher vorgestellt hat. Bei Datasets handelt es sich um einen neuen Ansatz zur Erstellung von Input Pipelines, sprich der Art und Weise, wie Daten in eigene Programme eingelesen werden. Mit Estimators lassen sich anspruchsvolle TensorFlow-Modelle erstellen. Sie enthalten vorgefertigte Modelle für gängige Machine-Learning-Aufgaben, können aber auch an eigene Modelle angepasst werden. Um beide Features im Detail vorzustellen, wird im Tutorial ein neues ML-Modell gebaut, komplett mit Code, Trainingsanleitung und Testdateien. Viel Spaß beim Ausprobieren!

Unsere Redaktion empfiehlt:

Relevante Beiträge

Meinungen zu diesem Beitrag

X
- Gib Deinen Standort ein -
- or -