Das Buch richtet sich ausdrücklich an Nichtinformatiker. Du musst weder ein Informatikstudium absolviert noch zuvor eine andere Programmiersprache verwendet haben. Ein grundsätzliches Interesse an logischen Zusammenhängen und die Bereitschaft, Code selbst auszuprobieren, solltest Du allerdings mitbringen. Auf 315 Seiten behandelt das Buch schließlich ein erstaunlich breites Spektrum, das von den ersten Python-Skripten bis zu Datenbanken, maschinellem Lernen und einfachen Web-Projekten reicht.
Python lernen, indem Du echte Probleme löst
Nach einer kompakten Einführung hilft Dir das Buch zunächst bei der Einrichtung von Python unter Windows, macOS oder Linux. Anschließend lernst Du den interaktiven Modus, Skripte und geeignete Entwicklungsumgebungen kennen. Zum Einsatz kommen unter anderem Visual Studio Code und Jupyter Notebooks. Letztere eignen sich besonders gut für den Einstieg in die Datenanalyse, weil sich Programmcode, Ergebnisse und erklärende Texte übersichtlich in einem Dokument kombinieren lassen.Johannes Schildgen vermeidet lange theoretische Vorläufe. Sprachgrundlagen wie Variablen, Bedingungen, Schleifen, Funktionen und Datenstrukturen werden dort eingeführt, wo Du sie für ein praktisches Beispiel benötigst. Das macht die ersten Kapitel zugänglich und motivierend. Statt isolierte Befehle auswendig zu lernen, erkennst Du meistens sofort, warum eine bestimmte Technik hilfreich ist.
Natürlich bedeutet dieser Ansatz nicht, dass Dir das Buch sämtliche Denkarbeit abnimmt. Gerade Anfänger müssen einige Beispiele mehrfach nachvollziehen und einzelne Codezeilen verändern, um ihre Wirkung wirklich zu verstehen. Wer den Programmcode lediglich abschreibt, erhält zwar ein Ergebnis, entwickelt aber nur langsam ein eigenes Verständnis für mögliche Fehler.
Daten aus Excel, Dateien und dem Web verarbeiten
Den inhaltlichen Schwerpunkt bildet die Arbeit mit Daten. Python für KI- und Daten-Projekte zeigt, wie Du Informationen aus unterschiedlichen Dateiformaten einliest, bereinigst und weiterverarbeitest. Dazu gehören Tabellen, Textdateien, XML-Dokumente und Daten aus Datenbanken. Mit pandas lernst Du eines der wichtigsten Werkzeuge für tabellarische Daten kennen, während Matplotlib die Ergebnisse in Diagramme verwandelt.Der praktische Nutzen wird besonders deutlich, wenn Aufgaben automatisiert werden, die sonst immer wieder manuell erledigt werden müssten. Daten lassen sich sortieren, filtern, zusammenführen oder nach bestimmten Regeln auswerten. Das kann Dir im Büro ebenso helfen wie an der Universität, im Journalismus oder bei privaten Projekten. Selbst wer bislang fast ausschließlich mit Excel gearbeitet hat, erkennt schnell, warum ein reproduzierbares Python-Skript bei größeren oder regelmäßig aktualisierten Datenbeständen überlegen sein kann.
Auch Web-Scraping, Programmierschnittstellen und Datenbanken werden behandelt. Dadurch lernst Du nicht nur, vorhandene Dateien auszuwerten, sondern kannst eigene Datensammlungen aufbauen oder Informationen automatisiert aus anderen Anwendungen abrufen. Das Buch weist dabei auf technische Grenzen hin, könnte rechtliche und ethische Fragen des automatisierten Datensammelns jedoch noch ausführlicher behandeln.
Künstliche Intelligenz ohne mathematische Überforderung
Ein eigener Themenbereich beschäftigt sich mit Machine Learning und moderner KI. Schildgen erklärt die grundlegende Idee datenbasierter Vorhersagen, ohne Dich zunächst durch anspruchsvolle Mathematik zu schicken. Anhand überschaubarer Beispiele wird nachvollziehbar, wie Modelle trainiert, Ergebnisse bewertet und typische Fehler erkannt werden können.Zudem erfährst Du, wie generative KI beim Programmieren eingesetzt werden kann. Sprachmodelle können Code erklären, Entwürfe erstellen oder bei der Fehlersuche helfen. Erfreulich ist, dass Python für KI- und Daten-Projekte diese Möglichkeiten nicht als Ersatz für eigenes Verständnis präsentiert. Von einer KI erzeugter Code muss überprüft werden, denn ein syntaktisch überzeugendes Programm kann fachlich trotzdem falsch oder unsicher sein.
Gerade dieser Teil dürfte allerdings schneller altern als die klassischen Python-Kapitel. KI-Dienste, Bedienoberflächen und verfügbare Modelle verändern sich rasant. Die grundlegenden Hinweise zum sinnvollen Formulieren von Aufgaben und zum kritischen Prüfen der Antworten bleiben nützlich, einzelne Werkzeuge könnten aber schon nach kurzer Zeit anders funktionieren.
Große Themenvielfalt mit unvermeidbaren Abkürzungen
Johannes Schildgen ist Professor für Datenbanken mit Schwerpunkt Big Data und unterrichtet Python seit vielen Jahren. Diese Erfahrung zeigt sich in der verständlichen Sprache und der nachvollziehbaren Reihenfolge. Er weiß, an welchen Stellen Einsteiger typischerweise aussteigen, und erklärt technische Begriffe meist dann, wenn sie tatsächlich gebraucht werden.Die große Bandbreite besitzt dennoch ihren Preis. Datenanalyse, Visualisierung, Machine Learning, Datenbanken, APIs, Web-Scraping und Webentwicklung könnten jeweils ganze Bücher füllen. Hier erhältst Du vor allem einen Einstieg und eine Vorstellung davon, was möglich ist. Für anspruchsvollere Anwendungen, saubere Softwarearchitektur, Tests, Datenschutz oder die zuverlässige Bereitstellung eines Projekts brauchst Du später vertiefende Quellen.
Die bislang wenigen öffentlich sichtbaren Leserwertungen fallen sehr positiv aus, liefern aufgrund ihrer geringen Zahl aber noch kein belastbares Gesamtbild. Inhaltlich überzeugt vor allem die Verbindung aus niedrigschwelligem Einstieg und greifbaren Anwendungsfällen. Python für KI- und Daten-Projekte möchte kein vollständiges Nachschlagewerk sein, sondern Dir den entscheidenden Schubs zum ersten eigenen Projekt geben.
Noch keine Kommentare. Starte die Diskussion!