Da dieses Jahr kein großer Urlaub im Sommer Anstand, habe ich mich im Herbst dazu entschieden weg zu fahren. Vorher hatte war angedacht, den Urlaub für den Start der Weiterbildung zu nutzen. Da diese aber erst im November startet, hab ich also Urlaub geplant. Als Ziel hab ich dann den Gardasee rausgesucht. Auf der Hinreise hab ich eine Übernachtung in Innsbruck eingelegt. Auf dem Rückweg sollte es ein Stopp in Verona sein. Für eine diesmal kurzfristige Dokumentation werde ich zunächst Bilder der Reise festhalten. Ggf. kommt noch Text dazu.

Innsbruck

Da der Aufenthalt in Innsbruck nur kurz war gibt es hier nicht allzuviel zu berichten. Eine kurze Fahrt mit einer Stand-Seilbahn hab ich gemacht, um von einem erhöhten Punkt über die Stadt schauen zu können. Diese war etwas teuer, aber normal für Innsbruck. Auch der Preis von ca. 40€ für die Nacht im Hostel im 10er Zimmer war stolz. Aber dafür war es angenehm. Cool war die Bar im Keller, wo abends Impro-Live-Musik gespielt wurde. Also eine open Jam Session, wie es genannt wurde.

Gardasee

Von Innsbruck ging dann die Zugfahrt bis Verona. Und von hier habe ich den Bus bis zum Gardasee genommen. Dann waren es noch ein  paar Minuten zu laufen bis zum Campingplatz, nahe dem Ort Cisano. Zuerst wollte ich Zelten. Aber beim Buchen wurde für etwas mehr Geld ein Bungalow angeboten, also habe ich mich dafür entschieden. Für den günstigen Preis war es natürlich kein Luxus, aber ausreichend und das Bett war bequem. Im ‚Bad‘ war allerdings alles inkl. Dusche auf 1,5×1,5m untergebracht. Zum Duschen bin ich daher zum Sanitärgebäude gegangen. Angepriesen wurde „Bungalow am Wasser“, was nun leider nicht direkter Wasserzugang bedeutete. Dazwischen war noch der Weg im Campingplatz plus Zaun, und außen ein öffentlicher Weg für Fußgänger und Fahrräder. Aber durch die Hanglage des Bungalows hatte man freie Sicht auf den See, inkl. Sonnenuntergang 🙂

Monte baldo

Eine Attraktion für Touristen am Gardasee ist die Seilbahnfahrt auf den Monte baldo. Da ich von der tollen Aussicht gelesen hatte, habe ich diese auch gemacht. Natürlich zu einem stolzen Preis. Was ich vorher nicht wusste, dass es ein beliebter Spot für Gleitschirmflieger ist. Schon beim Einsteigen in die Bahn fallen die Leute mit entsprechenden Rucksäcken auf. Dabei habe ich auch ein Gespräch mitbekommen, wie jemand vor seinem Tandemflug stand. Wie die Bilder zeigen, hat man also eine schöne Sicht auf den See und die Berge in direkter Umgebung. Wie an vielen Tagen hat man auf dem Berg oder am See – zumindest während ich dort war – leider keine komplett klare Sicht, und kann nur bedingt weit sehen.

Verona

Nach vier Nächten am Gardasee bei durchweg schönem Wetter bin ich dann für zwei Nächte zurück nach Verona. Über Verona selbst muss ich bzw. will ich gar nicht viel sagen, ist wie immer bei solchen Städten alles easy nachzulesen. Worüber ich ein paar Worte verlieren will, ist die „Free Tour“, welche ich gern mal mitmache. Wobei man hierzu auch Kommentare findet über das, was einen erwartet. Natürlich ist klar, dass eine allumfassende Tour einen ganzen Tag oder mehrere dauern würde. Also werden bei einer 2,5 stündigen Tour nur gewisse Highlights angesteuert. Und selbst das hier komplett zu beschrieben ist zu umfangreich. Daher hab ich unten die ausführliche Beschreibung verlinkt, die uns gegeben wurde. Die Tour war zum einen sehr geschichtlich angehaucht. D.h. zu den angelaufenen Gebäuden und anderen Dingen hat der Guide bzw. die – keine Ahnung wie das gendert – viel zu Personen und Vorgängen aus der Vergangenheit erzählt. Und andererseits drehte sich viel um Shakespeare und ‚Romeo und Julia‘, was ja bekanntlich in Verona spielt. Meine Bilder zeigen u.a. ein paar Stationen dazu. Leider war auch hier die Sicht nicht klar als ich zum Aussichtspunkt kam. Am nächsten Tag ging es auf die Heimreise, diesmal an einem Tag durch.

Free-Walking-Tour-Verona.pdf

Wie im letzten Artikel geschrieben, will ich nun auf das Thema Neuronale Netzwerke und den Rest des Buches eingehen. Da ich den Blog leider mal wieder hab schleifen lassen, hat sich inzwischen noch etwas mehr getan, daher halte ich diese Themen eher kürzer.
Leider kann ich ein solches Netzwerk hier auch nur abstrakt beschreiben. Wie es genau aussieht, ist im Buch über mehrere Seiten beschrieben. Wobei es zum Teil tatsächlich ein abstraktes Konstrukt ist. Die Grundelemente eines neuronalen Netzwerks sind sogenannte Neuronen. Dies sind Funktionen, die eigentlich nur 0 oder 1 ausgeben. Ein Netzwerk ist nun aus mehreren Schichten solcher Neuronen aufgebaut. Und diese Schichten sind jeweils als eine Art Blackbox programmiert. D.h. es ist gar nicht ersichtlich was genau das Programm an diesen Stellen tut. Man kann durch einstellen von Parametern das Verhalten – also die Ausgabewerte – beeinflussen. Und dann spielt wie gesagt das Trainieren eine Rolle. Das bedeutet, dass man dieses Programm mit Eingangswerten und dazu passende Ausgangswerten durchlaufen lässt, und es so „lernt“ mit neuen Eingaben die annähernd richtigen Ausgaben zu generieren. Das Kapitel danach beschäftigt sich mit dem Thema „Deep Learning“. Dies ist an das maschinelle Lernen (engl. machine learning) angelehnt, und umschreibt das Programmieren komplexer Vorhersagemodelle u.a. mit neuronalen Netzwerken. Hier wird auch wieder viel Stoff aus früheren Kapiteln angewendet. Bei diesen also teilweise sehr verschachtelten Strukturen, und entsprechend komplexen Funktionen, bin ich auch ehrlich gesagt nicht mehr ganz mitgekommen. In den letzten Kapiteln wird es dann noch einmal etwas einfacher zu verstehen, zumindest bis an den Punkt wo wieder neuronale Netzwerke zum Einsatz kommen. Diese Themen will ich hier der Vollständigkeit halber nennen, ohne weiter darauf einzugehen: Clustering, Linguistische Datenverarbeitung, Graphen-Analyse, Empfehlungssysteme, MapReduce. Neben diesen Kapiteln enthält das Buch noch ein Kapitel zum Thema SQL-Datenbanken, und wie man solche im Python umsetzt. Ein nicht unwichtiges Thema, denn mit Datenbanken und ggf. speziell SQL werde ich zukünftig sicherlich zu tun haben.
Nun endlich zu einem nicht mehr so trockenem Thema abseits des Buches. Denn nach der Arbeit mit dem Buch habe ich mich entscheiden mich nach einer Weiterbildung umzuschauen. Also stand erstmal wieder recherchieren an. In vergangenen Artikeln hatte ich bereits über die Recherche bzw. die Ergebnisse bis dato berichtet. Nun habe ich nochmal nach konkreteren Themen und Inhalten gesucht. Und um es kurz zu machen: Ich habe mich inzwischen zu einer Weiterbildung bei der IHK angemeldet, mit dem Namen „Data Analyst“, siehe Link unten. Letztlich hat mir dieser Lehrgang vom inhaltlichen, zeitlichen und preislichen Rahmen am besten gefallen. Ich hatte mich zuerst für den Start Anfang Oktober angemeldet. Aber leider wurde mir dann gesagt, dass dieser Termin schon ausgebucht war. Daher ist der Start nun erst Mitte November. Damit es hier spannend bleibt berichte ich mehr über den Kurs vor oder nach dem Start.

Da es nach meinem Malte-Urlaub länger ruhig war, will doch mal wieder auf meinen Status beim Lernen der Programmiersprache Python kommen. Bzw. wie es mit dem Buch „Einführung in Data Science“ weiter gegangen ist. Hier hatte ich zuletzt -klick- über das Auslesen von Webseiten-Daten berichtet, und speziell über die Flugsuch-Seite  ‚Skyscanner‘. Leider bin ich hier kaum weiter gekommen, da eine aufwendige Registrierung nötig gewesen wäre. Daher hatte ich mich für das Auslesen über andere frei zugängliche APIs entscheiden. Eine Seite, auf der ich dann viel ausprobiert habe, ist ‚https://open-meteo.com/‘. Hier kann man weltweite Wetterinformationen auslesen. Fand ich auch relativ spannend, und ist es für Interessierte sicherlich noch mehr. Eine kleinere eher spielerische Seite ist ‚https://www.swapi.tech/‘, die Daten über das Star-Wars Universum zur Verfügung stellt.
In der Zwischenzeit bin ich aber auch generell im Buch vorangekommen. Im letzten Artikel war der Stand Kapitel 9, und nun bin ich bei Kapitel 21. Besonders herausfordernd bei dem ganzen Stoff – auf den ich punktuell eingehen werde – ist, dass viele Kapitel auf Dinge aus vorangegangenen Kapiteln aufbauen. Und so tauchen manche Funktionen, d.h. Abschnitte von Programmiercode, zum Teil auch verschachtelt auf. Ich will versuchen es anhand von einem Einblick zu erklären. Falls jemand mal reinschnuppern will, hier kann man das Inhaltsverzeichnis einsehen: https://www.assets.dpunkt.de/leseproben/13335/1_Inhaltsverzeichnis.pdf  
Nach dem Beschaffen von Daten und dem Arbeiten mit Daten ging es schon mit dem Thema ‚maschinelles Lernen‘ weiter. Im Kontext mit Data Science bedeutet maschinelles Lernen, mit vorhandenen Daten ein mathematisches Model zu erstellen, also zu programmieren, welches weitere Daten vorhersagen kann. Die Mathematik dahinter besteht grob gesagt aus Beziehungen zw. Variablen, also Funktionen. Und aus Vektor-Rechnung, da es häufig um mehrdimensionale Variablen geht. Also wie man sieht keine leichte Kost. In den darauffolgenden Kapiteln werden verschiedene solcher Modelle vorgestellt, wie man sie programmiert und bespielhaft damit arbeitet. Ein klassisches Beispiel, das vermutlich zum Standard Lernprogramm gehört, ist das Schreiben eines Spamfilters. Weiter wird mit Regressions-Modellen gearbeitet, also statistischen Modellen. Und hier wird auf Stoff aus Kapiteln zu lineare Algebra und Statistik zurückgegriffen, die sehr am Anfang kommen (Kapitel 14 ⇒ 4). Danach wird es noch interessanter, aber auch komplexer, mit dem Thema ‚Neuronale Netzwerke‘. Interessant  an den besagten Modelle und den neuronalen Netzwerke finde ich, dass man sie trainieren kann bzw. muss. D.h. je mehr Ausgangs-Daten man zur Verfügung hat, je besser können die Programme vorhersagen. Daher auch Begriff ‚Maschinelles Lernen‘. Man kann noch nicht von künstlicher Intelligenz reden, aber es geht in die Richtung. Näher auf Neuronale Netzwerke und das restliche Buch gehe ich dann das nächste Mal ein

Endlich hab ich die Muse gefunden, wieder ein wenig über die Fortschritte meines – ich nenne es mal  – Selbststudiums zu berichten. Das Buch zu den Grundlagen der Programmiersprache Python habe inzwischen durch. Bis auf die letzten eins zwei Kapitel, da diese dann etwas zu speziell waren. Aber sonst bin ich ganz zufrieden, die Basics entsprechend vertieft zu haben. Ein wichtiges Thema, das ich nun auch kennengelernt habe, ist das ‚objektorientierte Programmieren‘. Was mir noch deutlich fehlt ist Routine. D.h. regelmäßiges Programmieren und auch längere Abschnitte schreiben, um diese grundlegenden Kennnisse besser parat zu haben. Momentan schaue ich noch oft nach, um wieder zu wissen, wie man etwas schreibt.
Nun arbeite ich in dem Data-Science Buch weiter. Hier geht es einerseits also sehr mathematisch zur Sache, wobei das erst Kapitel 9 von insgesamt 27 ist. Daher wird sich vermutlich der Anspruch hier noch steigern. Bisher geht es um Dinge wie Statistik, Werteverteilung, Standabweichung, und Wahrscheinlichkeitsrechnung. Dies sind allgemein Vorgehensweisen um Daten zu analysieren. Ein weiteres Feld, in das das Buch einsteigt, ist die Datenbeschaffung. Und hier wird es gerade interessant, wie ich finde. Denn es geht z.B. um das Auslesen von Daten auf Internetseiten. Für gelernte Programmierer natürlich nichts Besonderes, aber als Anfänger bin ich gespannt, was da möglich ist. Leider oder auch logischerweise ist dies nicht ganz einfach. Hier will ich zwei wesentliche Hürden nennen. Teilweise benötigt man zur jeweiligen Webseite eine passende “Übersetzung“ (bestehend aus Parser & Bibliothek), die bei dem Abruf des Quellcodes für die Programmiersprache lesbare Daten erzeugt. Als andere Möglichkeit des Datenabrufs stellen viele Webseiten Schnittstellen zur Verfügung, so genannte APIs (Application Programming Interface). Um mit diesen zu kommunizieren, benötigt man vereinfacht gesagt Passwörter, und um diese zu bekommen muss man sich entsprechend anmelden bzw. registrieren. Diese Schritte sind mit einem gewissen (Programmier-)Aufwand verbunden. Aber mit der entsprechenden Routine wiederum relativ leicht umzusetzen. Manche Webseiten bieten auch öffentliche APIs an, die man ohne Registrierung ansprechen kann. In der Regel haben diese eingeschränkte Funktionalitäten, und begrenzte Zugriffsraten. Aber für Test- oder Lernzwecke eine gute Alternative.
So bin ich bei der Suche auf die öffentliche Schnittstelle der Seite skyscanner.net gestoßen, also eine Suchmaschine für Flüge. Und konnte hier ich meine ersten Versuche mit API zu arbeiten durchführen. Soweit ich bisher gelesen habe, ist es hier im Wesentlichen möglich z.B. automatisiert Flugverbindungen und deren Preise abzurufen. Ob dies auch über die öffentliche API klappt muss ich noch herausfinden. Bisher konnte ich z.B. eine Liste sämtlicher Flughäfen weltweit abrufen, die bei skyscanner gelistet sind. Anscheinend sind dies über 17000 Stück, wenn hier nicht noch ein Fehler drin steckt. Die Fehlersuche und -korrektur in Datenmengen wäre dann weiteres Thema, das bereits in dem Buch angeschnitten wurde. Vielleicht berichte ich darüber auch mal. Aber generell wird es wie gesagt gerade erst spannend …

Der Abstand zum letzten Artikel ist leider wieder groß geworden. Das hat schlicht den Grund, dass es tatsächlich langsam voran geht mit dem Lernen der Programmierung. Liegt auch daran, dass ich es ehrlich gesagt etwas unregelmäßig betreibe. Aber ich versuche, dass die Pausen nicht allzu groß werden.
Wie ich letztes Mal geschrieben habe, hatte ich mit dem Buch „Einführung in Data Science“ begonnen. Zuvor hatte ich mir schon ein paar Grundlagen mit Hilfe von YouTube Videos beigebracht. In dem Buch werden solche Grundlagen zwar kurz behandelt, allerdings ist dem ohne Vorkenntnisse eher schwer zu folgen. Danach steigt das Buch bzw. der Autor sehr schnell in die Mathematik ein. Also das vom dem ich wusste, dass es kommen wird. Zunächst sind es leicht zu verstehende Berechnungen, die dann wiederum schnell komplexere Formen annehmen. Und an einem gewissen Punkt hab ich mich entschieden doch erstmal mehr Grundlagen in Python zu lernen. Wenn ich mir die Inhalte von Büchern zu den Grundlagen angesehen habe, dann wurde mir klar, dass ich hier vieles noch nicht kenne oder verstanden habe. Und ich denke, dass es besser ist für das spätere Programmieren solche Themen zu beherrschen. Leider klingt das hier wieder sehr abstrakt, aber es gibt eben ganze Bücher dazu. Wer schon mal mit Programmierung in Berührung gekommen ist, wird wohl mit Begriffen wie Datentypen, Operanten, Klassen und Funktionen etwas anfangen können. Davon hier etwas zu beschreiben würde zu weit führen.
Auf jeden Fall habe ich mir inzwischen ein Buch zu den Grundlagen gekauft, unten das Bild dazu. Mehr oder weniger auch mit der Schlagwort „Einführung“ im Titel. Also wird mein nächster, hoffentlich nicht allzu weit entfernter Beitrag von der Arbeit mit diesem Buch handeln…

Ja hat mal wieder etwas gedauert. Aber wie ich festgestellt habe, ist ein Einstieg ins Programmieren mal nicht eben gemacht. Ist aber auch logisch, denn es hat etwas von einer neuen Sprache lernen. Zum einen ist da die sogenannte Syntax, also die Schreibweise, wie man Befehle ausdrückt, vergleichbar mit Vokabeln. Und dann kommt die Struktur, also wie man ein Programm aufbaut. Eine  Art Grammatik, wenn man so will. Und bis man sowas anfängt zu beherrschen dauert eine gewisse Zeit. Und bisher habe ich auch nur Vokabeln gelernt. Also was ich in den letzten Wochen gemacht habe, ist Befehle-schreiben zu lernen. Leider kann ich das ganze hier eher nur abstrakt beschreiben. Vielleicht ein einfaches Beispiel, dass vermutlich in allen Programmiersprachen so aussieht: Um einen Text auszugeben verwendet man den Befehl „print“. Danach schreibt man den entsprechenden Text in Klammern und Anführungszeichen, was in anderen Sprachen schon anders aussehen kann.
Noch etwas zu dem was ich mit dem Lernen von Python herausfinden wollte. Und zwar ob mir diese Grundkompetenz im Bereich Data Science überhaupt liegt. Bisher kann ich sagen, dass es spannend ist. Wie mir vorher klar war, wird mit dem Programmieren u.a. die Analyse von großen Datenmengen betreiben. Und da ich dies nun ansatzweise schon kennen gelernt habe, glaube ich dass es sehr interessant ist dies intensiv zu betreiben.
Allerdings muss ich noch kurz zwei Dinge nennen, von denen ich noch nicht weiß, wie weit ich mithalten kann. Das ist zum einen die Tiefe der Programmierung. D.h. ob ich es schaffe mir genug Fertigkeiten anzueignen. Sprich die Syntax und den Aufbau von Programmen ausreichend zu beherrschen. Denn vermutlich kommt da noch ein hohes Pensum auf mich zu. Das andere ist die Mathematik, die angewendet werden muss. Zumindest weiß ich aus Beschreibungen, dass Mathe eben auch eine Schlüsseldisziplin ist. Ich bin nicht schlecht in Mathe aber auch kein Ass. Daher bin ich gespannt, wie weit mein Verständnis am Ende reicht.
Soweit mal ein Zwischenstand, was das Programmieren lernen betrifft. Wobei ich momentan nur erstmal Basics von Python lerne, und die Mathematik-Themen noch folgen. Inzwischen habe ich auch ein Buch mit dem Titel „Einführung in Data Science“, von dem ich aber erst 2 Kapitel durchgearbeitet habe. Also mal sehen was ich daraus lerne …

Im letzten Beitrag hatte ich also eine konkrete Weiterbildung ins Auge gefasst. Nun wollte ich noch recherchieren wie der Inhalt dieses Kurses einzuordnen ist. Zufällig hatte eine bekannte eines Freundes kürzlich begonnen nebenberuflich im Bereich Data Science zu studieren. Sie hat mir als Information die Inhaltsübersicht zu dem Studiengang zukommen lassen. Und kurz gesagt: Der Inhalt, der mir zunächst vorschwebte zu erlernen, beinhalten bereits die ersten 1 bis 2 von insgesamt 9 Modulen. Und alle Module erstrecken sich über 4 Semester. Also wie bereits klar, ist eine kürzere Weiterbildung nur ein Teil des großen Ganzen. Da stellt man sich schon die Frage wie weit man dann damit kommt. Aber da ich nicht die Zeit von zwei Jahren oder mehr investieren möchte – von den Studiengebühren mal abgesehen – will ich es auf kürzerem Wege probieren.
Was in fast allen Kursen und erst recht in Studiengängen auffällt, ist das die Programmiersprache ‚Python‘ dazugehört. D.h. das Programmieren mit Python ist elementarer Bestandteil der Disziplin Data Science und artverwandten. Diesen Aspekt hatte ich bisher nicht erwähnt, aber in gewisser Weise stellte ich mir selbst auch noch die Frage, ob mir denn das Programmieren in ausgedehnter Form liegt. Also habe ich mich dazu entschieden, als ersten tatsächlichen Schritt, in das Programmieren einzusteigen. D.h. ich wollte erstmal herausfinden, ob mir das sogenannte „coden“ liegt. Also über einen längeren Zeitraum an einem Programm zu schreiben.
Bei der Recherche zu ‚Python‘ bin ich dann gleich noch auf die Frage gestoßen „Ist ‚Python‘ die richtige Sprache, um mit dem Programmieren anzufangen?“. Dies hat den Hintergrund, dass andere Programmiersprachen – wie z.B. Java – universeller eingesetzt werden können. Man kann damit z.B. Web-Applikationen besser schreiben. Dem gegenüber hat Python eine einfachere Syntax, wie gesagt wird. Die Einsatzgebiete anderer Sprachen konnte mir ein Freund, der selber aus der Programmierung kommt, erläutern. Python kannte er leider nicht, wusste aber, dass es Kollegen eben im Bereich Data Science einsetzen. So habe mich dann entschieden mit Python anzufangen, da ich mir dachte, dass es sowieso erstmal bedeutet Befehle auswendig zu lernen, egal in welcher Sprache. Und zudem ist es wie gesagt die Sprache, die ich später anwenden will. Sollte es mal nötig sein eine andere Sprache zu lernen, kann ich dies ggf. noch tun. Also werde ich als nächstes berichten wie es mit dem Programmieren so läuft …