Python | Machine Learning Blog

Python und Machine Learning im Jahr 2022: Ein Rückblick auf wichtige Entwicklungen und Neuerungen

In den letzten Jahren hat sich Python als eine der beliebtesten Programmiersprachen für Machine Learning etabliert. Im Jahr 2022 hat sich dieser Trend weiter fortgesetzt und Python ist zu einer wichtigen Plattform für die Entwicklung von Machine Learning-Modellen und -Anwendungen geworden. Sehen wir uns gemeinsam ein paar Themen an, die 2022 wichtig waren.

Thonny: Ideale IDE für den Einstieg in die Python-Programmierung

Die Entwicklungsumgebung Thonny nennt sich selbst „Python IDE für Anfänger“. Grund genug, sich das Programm näher anzusehen.

Erste Schritte in Googles Colaboratory mit Python

Google ist bekannt für seine vielen hochwertigen und dennoch kostenlosen Dienste wie Gmail, Google Maps, Google Docs, Google Drive und viele andere. Mit Colaboratory kommt ein weiterer Dienst dazu, mit dem sich Programme schreiben, ausführen und auch teilen lassen. Das allein ist interessant, aber richtig spannend wird das dadurch, dass Colaboratory Python-Code unterstützt und viele Tools für Machine Learning mitbringt. Sehen wir uns an, wie man mit Colaboratory loslegen kann.

Tolles Python-Buch zur Datenanalyse kostenlos lesen: Python Data Science Handbook

Ein paar Englischkenntnisse vorausgesetzt haben Pythonistas mit dem Buch namens Python Data Science Handbook von Jake VanderPlas eine hervorragende Wissensquelle kostenlos zur Verfügung. Sehen wir uns an, was sich darin befindet und an wen sich das Buch wendet.

Lernen: Kostenloser Online-Kurs zu Python 3

Python in der Version 3 ist mit Sicherheit die Sprache Nummer Eins, wenn es um das Anwenden maschinellen Lernens geht. Zwar ist Python eine vergleichsweise einfach zu erlernende Sprache, aber dennoch kommt es häufig genug vor, dass man mal dies, mal das vergisst. Hinzu kommt, dass die meisten Ressourcen englischsprachig ist, was den einen oder die andere abschrecken mag. Da hilft das kostenlose Python-3-Tutorial von Bernd Klein.

Buch: Software selbstbewusst entwickeln

Du bist Softwareentwicklerin oder Softwareentwickler. Du kannst coden. Nun bist du bereit für den nächsten Schritt: den geschriebenen Code selbstbewusst, reproduzierbar und qualitativ hochwertig zu einer Anwendung zu gießen. Dieses Buch hilft dir, diesen Weg zu gehen.

Continuous-Integration-Tutorial: Bitbucket Pipelines einrichten

Nachdem wir uns Continuous Integration mit GitLab und GitHub angesehen haben, fehlt noch „Bitbucket Pipelines“ in der illustren Runde. Wie wir unseren CI-Prozess mit dem Dienst von Atlassian umsetzen, steht im Folgenden im Fokus.

Continuous-Integration-Tutorial: GitHub Actions einrichten

Erst seit kurzem bietet GitHub mit den „GitHub Actions“ eine Möglichkeit, Continuous Integration (CI) innerhalb von GitHub in unseren Software-Entwicklungsprozess einfließen zu lassen. Bisher war man hierfür auf Dienste von Dritten angewiesen. Werfen wir einen Blick darauf, wie du für dein Projekt die GitHub Actions einrichten kannst.

Continuous-Integration-Tutorial: GitLab-CI/CD einrichten

Das Schöne auf der GitLab-Plattform ist, dass Continuous Integration von Anfang an bereits mitgedacht wurde. Insofern geht das Aufsetzen eines Continuous-Integration-Prozesses (CI) samt Continuous Delivery/Deployment (CD) vergleichsweise einfach von der Hand. Ganz von selbst erledigt sich das Ganze jedoch nicht und was dafür notwendig ist, damit der Prozess läuft, ist im Folgenden unser Thema.

Code-Qualität in Python: Pylint als Linter für Python-Code einsetzen

Wir haben unsere IDE Visual Studio Code dank der Plugins so konfiguriert, dass sie uns während des Schreibens bereits viel Arbeit abnimmt, um unseren Code gemäß des PEP-8-Standards zu formatieren, aber alles kann uns das Plugin nicht abnehmen. Wir sehen uns einmal an, wie wir mit dem Einsatz des Linters Pylint unserem Ziel nach wohlgeformtem Python-Code ein entscheidendes Stück näher kommen.