Python für KI- und Daten-Projekte
Description
Python programmieren lernen, ohne sich mit »Hello World« aufzuhalten! In diesem Buch finden Sie praxisnahes Python- und KI-Wissen , das Sie auf Ihre Daten und alltäglichen Probleme anwenden können. Python ist die perfekte Lösung für die Datenanalyse . Der Autor lässt Sie keine lästigen Fingerübungen absolvieren, sondern zeigt Praxisfälle, die Sie für Ihre Zwecke adaptieren können. Anhand konkreter Beispiele lernen Sie die Programmierung mit Python und bekommen hilfreiche Tools für Uni, Wissenschaft und Büro an die Hand.
- KI einsetzen, Daten analysieren, Routineaufgaben automatisieren
- Mit wichtigen Werkzeugen wie Jupyter Notebooks, pandas und Matplotlib
- Für Daten aus Excel, Datenbanken, Web-Scraping, XML und vielen mehr
Aus dem Inhalt:
- Loslegen mit Python - ein erstes Script
- Arbeiten mit Dateien
- Datenanalyse und -visualisierung
- Machine Learning und KI
- Datenbanken
- APIs nutzen
- Web-Projekte erstellen
More details
Other editions
Additional editions
Person
ISNI:
Content
Materialien zum Buch ... 11
1. Einführung ... 13
1.1 ... Future Skill: Programmieren ... 13
1.2 ... Python ... 15
1.3 ... Künstliche Intelligenz ... 15
1.4 ... Machine Learning ... 17
1.5 ... Programmieren mit Hilfe von KI ... 18
1.6 ... Prompt Engineering ... 20
2. Loslegen mit Python ... 23
2.1 ... Installation von Python unter Windows ... 23
2.2 ... Installation von Python unter macOS und Linux ... 24
2.3 ... Python im interaktiven Modus verwenden ... 25
2.4 ... Python-Skripte ... 26
2.5 ... Visual Studio Code und IDEs ... 26
2.6 ... Jupyter Notebooks ... 27
3. Grundlagen der Sprache Python ... 33
3.1 ... Variablen und Datentypen ... 34
3.2 ... Kommentare ... 35
3.3 ... Funktionen ... 36
3.4 ... Überprüfungen mit »if«, »elif« und »else« ... 37
3.5 ... Vergleichsoperatoren ... 38
3.6 ... Zahlen ... 39
3.7 ... Die »while«-Schleife ... 40
3.8 ... Die »for«-Schleife ... 41
3.9 ... Mehr zu »print« ... 42
3.10 ... Listen, Mengen, Tupel und Dictionarys ... 43
3.11 ... »for«-Schleife für Listen und Co. ... 45
3.12 ... Beispielprogramm: Wörter zählen ... 47
3.13 ... Eigene Funktionen schreiben ... 50
3.14 ... Pythonischer Code ... 54
3.15 ... Module importieren und Pakete installieren mit »pip« ... 59
3.16 ... »venv« -- virtuelle Umgebungen ... 61
4. Mit Dateien arbeiten ... 63
4.1 ... Textdateien lesen und schreiben ... 64
4.2 ... CSV-Dateien ... 67
4.3 ... Dateien verwalten ... 70
4.4 ... Beispiel: Textanalyse ... 73
4.5 ... Excel-Dateien ... 75
4.6 ... Bilddateien ... 78
4.7 ... JSON-Dateien ... 81
4.8 ... XML-Dateien ... 84
4.9 ... Konfigurationsdateien ... 86
5. Datenanalysen ... 89
5.1 ... NumPy ... 90
5.2 ... Pandas ... 92
5.3 ... Daten aus Dateien in Pandas-DataFrames laden ... 96
5.4 ... Data-Cleaning mit Pandas ... 99
5.5 ... Berechnungen und Analysen mit Pandas ... 110
5.6 ... Daten aus mehreren Quellen zusammenführen ... 116
6. Visualisierungen mit Matplotlib ... 127
6.1 ... Diagramme erstellen ... 128
6.2 ... Gestaltungsmöglichkeiten ... 129
6.3 ... Subplots -- mehrere Diagramme in einer Abbildung ... 131
6.4 ... Liniendiagramme, Balkendiagramme und mehr ... 133
6.5 ... Diagramme aus DataFrames erzeugen ... 136
6.6 ... Interaktive Diagramme ... 140
6.7 ... Zoomen und Scrollen ... 140
7. Machine Learning und künstliche Intelligenz ... 147
7.1 ... Zahlen vorhersagen mittels linearer Regression ... 149
7.2 ... Lineare Regression mit mehreren Einflussfaktoren ... 151
7.3 ... Klassifikation mittels logistischer Regression ... 155
7.4 ... Entscheidungsbäume und Random Forests ... 158
7.5 ... KNN: k-Nearest Neighbors ... 161
7.6 ... Support Vector Machines (SVM) ... 165
7.7 ... Trainings- und Testdaten und Modellbewertung ... 170
7.8 ... Clustering (Unsupervised Learning) ... 177
8. KI in Aktion: Text- und Bildanalysen ... 181
8.1 ... KI für Texte und Sprache (NLP) ... 181
8.2 ... Textanalysen und Word-Clouds ... 182
8.3 ... Text-Vorverarbeitung (Preprocessing) ... 184
8.4 ... Sentiment-Analysen ... 189
8.5 ... Dinge in Texten erkennen: Named-Entity Recognition (NER) ... 195
8.6 ... Transfer Learning ... 199
8.7 ... KI für Bilder ... 202
8.8 ... Vorverarbeitung von Bildern: Graustufen-Konvertierung etc. ... 203
8.9 ... Kanten und Konturen in Bildern erkennen ... 206
8.10 ... Klassische Methoden des maschinellen Lernens für Bilder ... 211
8.11 ... Bildklassifikation mit Deep Learning ... 217
9. APIs verwenden ... 221
9.1 ... API-Abfragen mit »requests« ... 223
9.2 ... API-Zugriffe mit speziellen SDKs ... 228
9.3 ... Visualisieren und Analysieren von API-Daten ... 229
9.4 ... ChatGPT-API ... 236
10. Python im Web einsetzen ... 243
10.1 ... Die Sprache HTML ... 244
10.2 ... Flask -- ein Python-Webserver ... 246
10.3 ... Interaktive Webtools mit Streamlit ... 249
10.4 ... Webseiten-Inhalte mit Beautiful Soup auslesen ... 251
10.5 ... Den Browser fernsteuern mit Selenium ... 255
10.6 ... E-Mails und Messenger-Nachrichten verschicken ... 259
11. Datenbanken ... 263
11.1 ... Die Sprache SQL und die SQLite-Konsole ... 265
11.2 ... Tabellen erstellen mit CREATE TABLE ... 266
11.3 ... Abfragen, Einfügen, Ändern und Löschen mit SELECT, INSERT, UPDATE und DELETE ... 268
11.4 ... Zugriff auf eine SQLite-Datenbank mit Python ... 271
11.5 ... Pandas-DataFrames aus Datenbanken auslesen und schreiben ... 273
12. Routineaufgaben automatisieren ... 277
12.1 ... Daten per API abrufen und in einer Datenbank speichern ... 277
12.2 ... Diagramme aus Datenbankdaten erstellen und als Bilddateien abspeichern ... 281
12.3 ... Eine E-Mail schicken, wenn es etwas Neues gibt ... 283
12.4 ... Screenshots von Webseiten per Messenger verschicken ... 287
12.5 ... Bilddateien verkleinern, Ort der Aufnahme herausfinden und aufräumen ... 290
12.6 ... PDF-Dateien auseinandernehmen, zusammenführen und zusammenfassen ... 293
12.7 ... Text auf Visitenkarten-Bildern mit OCR erkennen und im Handy-Adressbuch speichern ... 295
12.8 ... Rechnungen, Serienbriefe und andere Dokumente erzeugen ... 298
12.9 ... Python-Skripte zeitgesteuert ausführen ... 302
12.10 ... Fehlerbehandlung und Logging in Automationen ... 305
Index ... 309