MokaByte 137 - febbraio 2009
- Il programmatore e le sue API
XII parte: Il business service layer con Spring - Domain Driven Design
III parte: DDD Building blocks. Aggregates e repositories - EJB 3.1: l'evoluzione della specie
III parte: Risorse per l‘alleggerimento - Algoritmi genetici
VIII parte: Le applicazioni pratiche - WEKA: classificazione di dati meteo con tecniche di Data Mining
II parte: L‘applicazione Java
In questo numero
Il programmatore e le sue API XII parte: Il business service layer con Spring Nella nostra serie sulla architettura e sulle tecnologie per la realizzazione di applicazioni Java EE, cominciamo ad affrontare lo studio del business service layer, spiegando collocazione e funzionamento di questo strato e introducendo i concetti alla base del framework Spring. | Domain Driven Design III parte: DDD Building blocks. Aggregates e repositories Nel precedente articolo abbiamo visto i primi elementi fondamentali per la realizzazione di un domain model (Entities e Value Objects) e abbiamo raggiunto qualche importante risultato. Il nostro domain model non è piatto, ma alcune famiglie di classi svolgono ruoli diversi che iniziano a delinearsi, assumendo una struttura e un‘organizzazione caratteristiche. | |
EJB 3.1: l'evoluzione della specie III parte: Risorse per l‘alleggerimento Continuiamo a "recensire" la nuova specifica EJB 3.1, che prosegue la filosofia evolutiva introdotta con la 3.0, spingendo più avanti i meccanismi di automazione e astrazione. Questo mese parliamo delle caratteristiche di alleggerimento della nuova specifica: EJB Lite, web beans, embeddable containers. | 137 | |
Algoritmi genetici VIII parte: Le applicazioni pratiche Ci avviamo alla conclusione di questa lunga serie. Abbiamo visto nei dettagli gli aspetti teorici fondamentali relativi agli algoritmi genetici, analizzandone i principi, il legame con i modelli derivati dalle scienze naturali, le varianti e le procedure operative delle fasi di setup. Prima di presentare un esempio pratico Java, vediamo in questa parte a cosa servono gli algoritmi genetici. | ||
WEKA: classificazione di dati meteo con tecniche di Data Mining II parte: L‘applicazione Java In questa seconda parte, analizziamo il modo in cui il codice sorgente di WEKA possa essere integrato in un‘applicazione Java-based per il Data Mining, finalizzata alla classificazione di dati meteo. L‘interfaccia grafica utilizza componenti Swing ed è sviluppata secondo un approccio event-driven. di Gianpaolo Pigliasco e Gaetano Zazzaro e Francesca Maria Pisano e Gianpaolo Romano | ||