Datenanalyse für Einsteiger mit Python und KI 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

Vorwort
KI einsetzen, Daten analysieren, Routineaufgaben automatisieren Python für Nichtinformatiker!

Autorentext
Prof. Dr. Johannes Schildgen ist Professor für Datenbanken mit dem Schwerpunkt Big Data an der OTH Regensburg. Die Programmiersprache Python vermittelt er Studierenden schon seit rund einem Jahrzehnt.Als Keynote-Speaker hält er außerdem regelmäßig Vorträge zu Themen wie Digitalisierung und künstliche Intelligenz, in denen er IT-bezogene Zukunftsthemen auf unterhaltsame Weise vermittelt.

Klappentext
Erste Schritte mit Python Johannes Schildgen holt Sie genau da ab, wo Sie stehen: egal, ob Sie ganz neu in der Welt der Programmierung sind oder schon Grundkenntnisse vorweisen können. Steigen Sie direkt mit Praxisbeispielen ein, die echte Probleme aus Ihrem Arbeitsalltag lösen. Datenanalyse und -visualisierung Mithilfe von Jupyter Notebooks und Visual Studio Code schreiben Sie Skripte, mit denen Sie vorhandene Daten aufbereiten und lästige Routineaufgaben automatisieren können. Mithilfe von Web-Scraping lernen Sie auch, eigene Datenkorpora zu erstellen, mit denen Sie weiter arbeiten können. Machine Learning und KI Binden Sie KI effektiv in Ihre Arbeit ein und lernen Sie, wie Sie ChatGPT und Co. wirklich nutzbringend verwenden können. Mathematische Spezialkenntnisse über die Funktionsweise von KI benötigen Sie übrigens nicht die Beispiele bleiben problemlösungsorientiert und praxisnah.

Inhalt

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 s…