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

2.6.1 Jupyter Notebooks in Visual Studio Code erstellen

28

2.6.2 Markdown-Zellen

29

2.6.3 Codezellen

29

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

3.14.1 Aus einer Liste eine neue Liste erzeugen

54

3.14.2 Elemente aus einer Liste filtern

55

3.14.3 Strings aneinanderhängen ohne »+«

56

3.14.4 Einen Wert in einer Liste suchen

56

3.14.5 Tupelzerlegung

56

3.14.6 Zähler in Schleifen

57

3.14.7 Iteration über die Key-Value-Paare in einem Dictionary

57

3.14.8 Variablenwerte tauschen

57

3.14.9 Boolean direkt zuweisen

58

3.14.10 Fallunterscheidung

58

3.14.11 Standardwert aus einem Dictionary holen

58

3.14.12 Walrus-Operator

59

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

4.3.1 Datei anlegen

70

4.3.2 Dateien auf Existenz prüfen und löschen

71

4.3.3 Datei verschieben, umbenennen und kopieren

72

4.3.4 Dateien in einem Verzeichnis auflisten

72

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

5.4.1 Daten filtern

99

5.4.2 Fehlende Werte erkennen und behandeln

100

5.4.3 Duplikate entfernen

101

5.4.4 Fehler und Ausreißer erkennen und korrigieren

104

5.4.5 Daten ins gewünschte Format transformieren

106

5.4.6 Kategorien (de)kodieren

108

5.4.7 Normalisieren – Werte vergleichbar machen

109

5.5 Berechnungen und Analysen mit Pandas

110

5.5.1 Zeilenweise Berechnungen

110

5.5.2 Differenzen zum vorherigen Wert

111

5.5.3 Werte aggregieren

112

5.5.4 Kumulative Summen

113

5.5.5 Daten gruppieren

113

5.5.6 Daten sortieren und ranken

115

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 schicken, wenn es etwas Neues gibt

283

12.4 Screenshots von Webseiten per Messenger verschicken

287

12.5 Bilddateien verkleinern, Ort der Aufnahme herausfinden und aufräumen

290

12.6 PDF-Dateien auseinandernehmen, zusammenführen und zusammenfassen

293

12.7 Text auf Visitenkarten-Bildern mit OCR erkennen und im Handy-Adressbuch speichern

295

12.8 Rechnungen, Serienbriefe und andere Dokumente erzeugen

298

12.9 Python-Skripte zeitgesteuert ausführen

302

12.10 Fehlerbehandlung und Logging in Automationen

305