Tutorial Programmieren mit Julia, Teil 2: Data Science und ML

Inhaltsverzeichnis

Data Science ist als Begriff noch gar nicht so alt, und doch gibt es immer wieder neue Hypes wie generative KI, die das Feld umkrempeln und der Data Science ein neues Gesicht verleihen. Für dieses Tutorial werden solche Deep-Learning-Methoden als Teilbereich der Data Science verstanden.

Data Science umfasst verschiedene Aspekte. Das Arbeiten mit tabellarischen strukturierten Daten ist eine der wichtigsten Grundlagen. Man spricht von Statistik und Analyse, aber auch von ETL-Prozessen (Extract Transform Load).

Mehr zum Thema Softwareentwicklung

• Animation per Python-Modul: Aufmotzen von Textausgaben im Terminal
• Tutorial Programmieren mit Julia, Teil 2: Data Science und ML
• Softwareentwicklung: Einführung in die Sprache Julia und ihr Ökosystem
• Wozu das Programmieren auf Prompt-Ebene führt
• LLMs in der Softwareentwicklung: Was sie bringen und wo sie gescheitert sind
• Die kleine Codefabrik: KI-Tools für Entwickler im Überblick
• Wie man das Problem des Handlungsreisenden blitzschnell löst
• KI-Assistenten und LLMs: So überprüft man die Codequalität
• Grundlagen zur Softwareentwicklung mit GitLab CI/CD, Teil 1
• Virtualisierungsplattform Proxmox VE statt vSphere – was es kann und was nicht
• So gelingt die Migration von VMware zu Proxmox
• Codesphere im Test: Deployment und Entwicklungsumgebung aus einer Hand

Stephan Sahm

Stephan Sahm ist Gründer von Jolin.io, das Unternehmen mit modernen Data-Science-Tools unterstützt. Er organisiert die Julia User Group München und ist als Cloud-Architekt und Data Scientist tätig.

Julia besitzt hierfür ein exzellentes Tooling. Ihre Syntax eignet sich für Vektoren und Matrizen. Neben der leicht handhabbaren Syntax ist die hohe Performance ein großer Gewinn. Wer mit Python arbeitet, muss zu NumPy greifen, um numerische Datentypen performant zu verarbeiten. In Julia hingegen lässt sich dazu die komplette Sprache verwenden, einschließlich der individuellen Funktionen und Datenstrukturen, ohne Leistungseinbußen hinnehmen zu müssen.

Das war die Leseprobe unseres heise-Plus-Artikels "Tutorial Programmieren mit Julia, Teil 2: Data Science und ML". Mit einem heise-Plus-Abo können sie den ganzen Artikel lesen und anhören.