Python für KI- und Daten-Projekte

KI einsetzen, Daten analysieren, Routineaufgaben automatisieren - Python für Nichtinformatiker!
1. Auflage 2026
ISBN: 978-3-367-11151-0
Verlag: Rheinwerk Verlag GmbH

Buch, Deutsch, 315 Seiten, Format (B × H): 170 mm x 225 mm, Gewicht: 604 g

Datenanalyse für Einsteiger – mit Python und KI

Python programmieren lernen, ohne sich mit »Hello World« aufzuhalten! In diesem Buch finden Sie praxisnahes Python- und KI-Wissen , das Sie auf Ihre Daten und alltäglichen Probleme anwenden können. Python ist die perfekte Lösung für die Datenanalyse . Der Autor lässt Sie keine lästigen Fingerübungen absolvieren, sondern zeigt Praxisfälle, die Sie für Ihre Zwecke adaptieren können. Anhand konkreter Beispiele lernen Sie die Programmierung mit Python und bekommen hilfreiche Tools für Uni, Wissenschaft und Büro an die Hand.

• KI einsetzen, Daten analysieren, Routineaufgaben automatisieren
• Mit wichtigen Werkzeugen wie Jupyter Notebooks, pandas und Matplotlib
• Für Daten aus Excel, Datenbanken, Web-Scraping, XML und vielen mehr

Aus dem Inhalt:

• Loslegen mit Python – ein erstes Script
• Arbeiten mit Dateien
• Datenanalyse und -visualisierung
• Machine Learning und KI
• Datenbanken
• APIs nutzen
• Web-Projekte erstellen

Autoren/Hrsg.

Schildgen, Johannes

Fachgebiete

• Mathematik | Informatik EDV | Informatik Programmierung | Softwareentwicklung Programmier- und Skriptsprachen

Inhaltsverzeichnis

  Materialien zum Buch ... 11

  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

  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

       3.15 ... 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

       4.4 ... 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

       5.5 ... Berechnungen und Analysen mit Pandas ... 110

       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

  Index ... 309

Über Autor(innen)

Schildgen, Johannes
Prof. Dr. Johannes Schildgen ist Professor für Datenbanken mit dem Schwerpunkt Big Data an der OTH Regensburg. Die Programmiersprache Python vermittelt er Studierenden schon seit rund einem Jahrzehnt.Als Keynote-Speaker hält er außerdem regelmäßig Vorträge zu Themen wie Digitalisierung und künstliche Intelligenz, in denen er IT-bezogene Zukunftsthemen auf unterhaltsame Weise vermittelt.