Datenbanken mit Python und KI: Statistik, Analytik, Big Data und maschinelles Lernen

Dieses Buch ist ein praktischer Leitfaden zur Datenverarbeitung in Python, geschrieben für diejenigen, die nicht nur „Theorie wissen“ wollen, sondern tatsächlich mit Daten in alltäglichen Aufgaben arbeiten möchten. Schritt für Schritt werden wir den vollständigen Lebenszyklus von Daten durchlaufen: von der Speicherung in Datenbanken und dem Schreiben von Abfragen bis hin zur Analyse, Optimierung und sinnvollen Interpretation der Ergebnisse.

Der Schwerpunkt liegt auf der Praxis, hier gibt es keine überladene Theorie und abstrakten Überlegungen – nur das, was in der Realität wirklich benötigt wird. Fast alle Beispiele können sofort kopiert, ausgeführt und das Ergebnis gesehen werden, wodurch das Lernen anschaulich und maximal anwendungsorientiert bereits ab den ersten Kapiteln wird, und praktische Projekte und Fälle aus der realen Erfahrung zeigen, wie einzelne Werkzeuge zu vollständigen analytischen Pipelines zusammengesetzt werden und wie man technische Entscheidungen unter Bedingungen großer Tabellen, begrenzter Ressourcen und Geschäftsanliegen trifft.

Besonderes Augenmerk wird auf die Arbeit mit Big Data, KI, maschinellem Lernen gelegt: wir lernen, effektive analytische KI-Modelle zu erstellen, große Datenmengen zu optimieren, und wir werden Techniken besprechen, die in Einführungs-kursen selten vorkommen (Datenverarbeitung in Chargen, Streaming-Stichproben, Senkung des Speicherverbrauchs, Beschleunigung von Pandas-Code, Verwendung effektiver Speicherformate usw.).

Das Buch erfordert dabei keine tiefen Kenntnisse oder Vorerfahrungen (alle Themen werden schrittweise, in einfacher Sprache und mit einem Schwerpunkt auf der Praxis eingeführt) und wird einer breiten Zielgruppe nützlich sein:

— Anfängern, die verstehen möchten, wie Datenanalytik funktioniert; 

— Entwicklern, die SQL und Datenspeicherung besser verstehen möchten; 

— Analytikern, die ihr Fundament stärken möchten; 

— Studierenden, die Datenbanken, Python und Statistik studieren; 

— allen, die nicht nur „mit Code“, sondern auch mit Daten denken möchten.