Python | Machine Learning Blog

Schwarmintelligenz: XGBoost mit Python meistern – Ein praktischer Einstieg

XGBoost gehört zu den beliebtesten Algorithmen für tabellarische Daten und liefert oft starke Ergebnisse. In diesem praktischen Einstieg lernst Du, wofür XGBoost geeignet ist und wie Du den Ansatz mit Python besser einordnen kannst.

In der Welt des maschinellen Lernens gibt es eine Vielzahl von Algorithmen, die darauf abzielen, aus Daten Vorhersagen zu treffen. Einige dieser Algorithmen stechen jedoch hervor, weil sie eine außergewöhnliche Leistung erbringen und in vielen verschiedenen Anwendungsbereichen eingesetzt werden können. XGBoost ist einer dieser Algorithmen. Er ist bekannt für seine Genauigkeit, Effizienz und Vielseitigkeit und wird deshalb oft bei Wettbewerben im Bereich Data Science eingesetzt. Doch was steckt eigentlich hinter diesem Begriff und wie kann man ihn mit Python nutzen? Dieser Artikel bietet einen praktischen Einstieg in die Welt von XGBoost.

„Schwarmintelligenz: XGBoost mit Python meistern – Ein praktischer Einstieg“ weiterlesen

Zeitreihenanalyse mit Python: Prognosen mit ARIMA und Prophet erstellen

Zeitreihen stecken in Wetterdaten, Umsätzen, Besucherzahlen und vielen anderen Alltagsdaten. In diesem Artikel lernst Du, wie Prognosen mit Python, ARIMA und Prophet grundsätzlich funktionieren und worauf Du bei Zeitreihendaten achten solltest.

Stell dir vor, du könntest das Wetter von morgen vorhersagen oder den Aktienkurs der nächsten Woche. Klingt nach Science-Fiction, oder? In gewisser Weise ist es das auch – zumindest, wenn man versucht, das wirklich exakt zu tun. Aber es gibt Methoden, mit denen man zumindest Tendenzen erkennen und Wahrscheinlichkeiten berechnen kann. Das Werkzeug dafür ist die Zeitreihenanalyse.

Dabei geht es darum, Daten zu untersuchen, die über die Zeit hinweg gesammelt wurden. Denk an die monatlichen Verkaufszahlen eines Supermarkts, die täglichen Besucherzahlen einer Webseite oder die jährliche Durchschnittstemperatur. Diese Daten haben eines gemeinsam: Sie verändern sich im Laufe der Zeit und diese Veränderung enthält meistens Muster.

Diese Muster zu erkennen und zu verstehen, ist der Schlüssel zur Vorhersage zukünftiger Werte. Wir wollen in diesem Blog-Post zwei leistungsstarke Werkzeuge kennenlernen, die in der Welt der Datenanalyse weit verbreitet sind: ARIMA und Facebook Prophet. Und das Beste daran: Wir werden alles in Python programmieren.

„Zeitreihenanalyse mit Python: Prognosen mit ARIMA und Prophet erstellen“ weiterlesen

Tutorial: pyenv auf macOS – mehrere Python-Versionen einfach verwalten

Wer mit Python arbeitet, stößt früher oder später auf Versionskonflikte. In diesem Tutorial zeige ich Dir Schritt für Schritt, wie Du mit pyenv auf macOS mehrere Python-Versionen sauber installierst und pro Projekt verwaltest. Ideal für Einsteiger, Studierende und alle, die ihr Python-Setup endlich ordentlich aufräumen wollen.

Die Welt der KI dreht sich schnell – und oft stolpert man schon bei Python

Die Welt der KI dreht sich schnell. Neue Bibliotheken erscheinen gefühlt jede Woche, Tutorials beziehen sich mal auf Python 3.11, mal auf Python 3.12, und irgendwo taucht dann schon wieder Python 3.13 auf. Wenn man mehrere Projekte parallel ausprobiert, kommt schnell ein typisches Problem auf: Ein Skript läuft auf dem einen Rechner, auf dem anderen nicht. Ein Paket lässt sich plötzlich nicht installieren. Und im schlimmsten Fall hat man am Ende gar nicht mehr im Blick, welche Python-Version eigentlich gerade aktiv ist.

Gerade auf dem Mac ist das ein Thema, weil macOS selbst oft schon mit einer Python-Version oder Python-bezogenen Systempfaden arbeitet. Die sollte man nach Möglichkeit nicht anfassen. Gleichzeitig möchten viele von uns neue Tools testen, alte Projekte weiter pflegen oder ein Tutorial Schritt für Schritt nachbauen, ohne jedes Mal das gesamte System umzubauen.

Genau hier kommt pyenv ins Spiel. pyenv auf GitHub

„Tutorial: pyenv auf macOS – mehrere Python-Versionen einfach verwalten“ weiterlesen

ML-Entwicklungsumgebung auf macOS mit Apple Silicon: Setup-Guide für Python

Optimiere deinen Workflow am Mac. Ein praktischer Leitfaden zur Einrichtung einer leistungsfähigen Python-Entwicklungsumgebung für Machine Learning auf Macs mit Apple-Silicon-Chips, inklusive Tipps zur Installation relevanter Bibliotheken.

Die Welt der künstlichen Intelligenz und des maschinellen Lernens (ML) boomt. Immer mehr Anwendungen basieren auf Algorithmen, die aus Daten lernen und Vorhersagen treffen. Für alle, die sich mit dieser spannenden Technologie beschäftigen wollen, ist eine gut eingerichtete Entwicklungsumgebung unerlässlich. Besonders interessant ist das für Besitzer eines Macs mit Apple Silicon Chip, da diese Prozessoren eine beeindruckende Leistung bieten, die ideal für rechenintensive ML-Aufgaben ist. Dieser Artikel dient als Wegweiser durch den Dschungel der Installationen und Konfigurationen, um eine optimale Python-Entwicklungsumgebung auf dem Mac zu schaffen.

Buchrezension: „Deep Learning mit Python und Keras“ von François Chollet

In der Welt der künstlichen Intelligenz hat sich Deep Learning als eine der aufregendsten und mächtigsten Technologien etabliert. Es ermöglicht Computern, komplexe Muster zu erkennen, Entscheidungen zu treffen und Probleme zu lösen, die zuvor als unlösbar galten. Für alle, die in dieses faszinierende Feld eintauchen möchten, gibt es eine Fülle von Ressourcen, aber ein Buch sticht besonders hervor: „Deep Learning mit Python und Keras“ von François Chollet, dem Schöpfer der beliebten Keras-Bibliothek. Aber lohnt sich die Lektüre wirklich? Eine detaillierte Rezension soll Licht ins Dunkel bringen.

Python oder Java lernen: Zwei Giganten im Vergleich

Python und Java gehören zu den bekanntesten Programmiersprachen der Welt. Beide sind seit Jahrzehnten im Einsatz, beide haben Millionen Fans – und doch könnten sie in vielen Punkten kaum unterschiedlicher sein. Ein genauer Blick auf Syntax, Typensystem, Leistung und typische Anwendungsbereiche zeigt, welche Stärken und Eigenheiten jede Sprache mitbringt. Bex Tuychiev hat auf datacamp.com die Unterschiede und Ähnlichkeiten gut zusammengefasst. Lasst uns einen Blick auf seine Punkte werfen.

Warum es sinnvoll ist, die Programmiersprache Python zu lernen

Python ist in der heutigen digitalen Welt nicht nur eine Programmiersprache, sondern ein Werkzeug, das in unterschiedlichsten Bereichen zum Einsatz kommt. Von der Webentwicklung über die Datenanalyse bis hin zur Künstlichen Intelligenz hat sich Python als vielseitige Sprache etabliert, die nicht nur Profis, sondern auch Anfänger anspricht. Doch was macht Python so besonders und gibt es auch Nachteile, diese Sprache zu lernen?

Python-Geheimnis: Der Zweck von name == ‚main‘:

Python-Skripte, die etwas komplexer werden, enthalten oft zwei spezielle Zeilen am Ende: if __name__ == '__main__': und darunter den Aufruf einer Funktion, häufig main(). Diese scheinbar unscheinbaren Zeilen sind jedoch der Schlüssel zum Verständnis, wie Python-Code organisiert und ausgeführt wird, und sie sind essentiell für die Entwicklung gut strukturierten und wiederverwendbaren Codes. Lass uns diese Zeilen genauer unter die Lupe nehmen.

Python-Versionenwechsel unter macOS: Warum mehrere Versionen?

Python, die vielseitige Programmiersprache, erfreut sich großer Beliebtheit – und das zurecht. Ihre Vielseitigkeit und die große Community machen sie sowohl für Anfänger als auch für erfahrene Entwickler attraktiv. Doch was passiert, wenn man mit verschiedenen Projekten arbeitet, die jeweils unterschiedliche Python-Versionen benötigen? Oder wenn eine neue Version mit tollen Features herauskommt, man aber gleichzeitig an einem alten Projekt festhalten möchte, welches mit der neuen Version nicht kompatibel ist? Dann wird das Thema des Versionswechsels relevant. Dieser Blogpost erklärt, wie man unter macOS elegant zwischen verschiedenen Python-Versionen navigiert.

Python auf macOS: Installation und Update – Ein sanfter Einstieg

Python, die beliebte Programmiersprache, findet sich in immer mehr Bereichen wieder – von der Datenanalyse bis zur Webentwicklung. Für macOS-Nutzer stellt sich zu Beginn oft die Frage: Wie installiere und aktualisiere ich Python am besten? Die Antwort ist nicht ganz so einfach, wie man vielleicht denkt, denn Apples Betriebssystem liefert bereits eine Python-Version mit. Gucken wir uns die Details dazu an.