Ich denke nicht, dass ich jedes neu veröffentlichtes Video meines neuen Videotrainings bei Linked Learning (LiL) im Blog bewerbe. Aber weil jetzt erst die zweite Folge der Tipps & Tricks rund um Python erschienen ist, will ich nochmal auf die wöchentliche Veröffentlichung eines neuen Videos jeden Donnerstag hinweisen.
Schlagwort: Python
proudly presents – Python Praxistipps: Jede Woche neu
Mein neues Videotraining bei Linked Learning (LiL) geht los. Es geht um Tipps & Tricks rund um Python, die mit dem heutigen Stichtag wöchentlich veröffentlicht werden. „Python Praxistipps: Jede Woche neu“ ist ein sogenanntes Weekly. Solch ein Weekly zu Python hatte ich schon einmal und das ist – wie fast alle Weeklies bei LiL – nach der Veröffentlichung des letzten Videos in ein „reguläres“ Onlinetraining umgewandelt worden.
Für die neue Version habe ich mich mit Python-Themen ausgetobt, die sich aus meinen letzten Schulungen ergeben oder die mich einfach interessiert haben. Ich habe bei Linked Learning (LiL) sehr oft die Freiheiten, einfach mal meine persönlichen Vorlieben und Interessen als Kurse anzubieten. Natürlich muss ich das Einreichen und intern durchdrücken, aber sehr oft darf ich das dann machen. Das aktuelle Training beinhaltet viele Videos, die meine persönliche Neugier zu einer besonderen Anwendung mit Python befriedigt haben. Ich hoffe natürlich, dass das auch ankommt.
„proudly presents – Python Praxistipps: Jede Woche neu“ weiterlesen
R
Mit der Programmiersprache R hatte ich bisher nicht wirklich viel zu tun. Auch wenn R eine der beliebtesten Programmiersprachen für Data Science und statistische Analyse ist und dies durchaus meine Expertisen berührt. Aber da bin ich eigentlich mit Python unterwegs. Nur studieren meine Söhne Geowissenschaften und einer will mit R bzw. RStudio Auswertungen für seine Masterarbeit durchführen. RStudio ist eine integrierte Entwicklungsumgebung und GUI für R unter Open Source-Lizenz, die es sowohl als lokale Desktop-Version als auch als Server-Version mit gleichem Layout gibt. Die Serverversion läuft auf einem Linux-Server und auf sie wird über einen Webbrowser per Port 8787 in der Standardeinstellung zugegriffen.
Da die Rechner von meinem Sohn wirklich alt und ziemlich schwach auf der Brust sind, wollte ich ihm Kapazitäten von meinen Rechnern abtreten und dort einen R-Server bereitstellen. „R“ weiterlesen
Quanten-PI
Quantencomputer sind nach meiner Einschätzung aktuell das nächste große Ding. Für mich Grund genug, dass ich zumindest ein bisschen damit experimentieren und spielen will. Immerhin habe ich ja vor einigen Wochen einen gebrauchten Raspberry PI v4 gekauft und brauche Anwendungen für ihn. Nach diversen Experimenten mit Sensoren will ich ihn halt jetzt als Quantencomputer verwenden.
Wer jetzt glaubt, dass dies kompletter Unsinn ist, liegt daneben. Denn es gibt diverse Projekte, um einen Quantencomputer zu simulieren! Selbst auf einen Raspberry PI. „Quanten-PI“ weiterlesen
Eigenlob
Eigenlob ist meist unangenehm und/oder kritisch, aber gerade habe ich die aktuelle Rangliste der beliebtesten Kurse bei Linked Learning (LiL) in der Kategorie „Technik“ gesehen. Es gibt derzeit 1.223 Kurse und ich bin mit gleich 4 Training in den Top 10. Auf den Plätzen 2 (Python für die Datenanalyse 1: Grundlagen ), 3 (Python lernen) , 8 (KI-unterstütztes Programmieren mit OpenAI und ChatGPT) und 9 (Python: GUI-Programmierung mit TKinter). Dazu noch auf Platz 23 mit Mathematik-Grundlagen für die Programmierung.
Das macht mich schon ein bisschen stolz, wobei die Anzahl der Nutzerzahlen ja nicht unbedingt gleichbedeutend ist, ob ein Kurs super gut oder schlecht ist. Es gibt in dieser Rangliste so viele Kurse, die fachlich brilliant sind, aber nur wenige Leute als Zielgruppe haben.
Aktualisierung meines Trainings zu Programmierung mit ChatGPT
Bei Linked Learning (LiL) wurde gestern mein Training zu KI-unterstütztes Programmieren mit OpenAI und ChatGPT aktualisiert. Dabei habe ich ziemlich umfangreiche Änderungen, Anpassungen und Aktualisierungen vorgenommen. Mehr als in je einem Training zuvor. Aber die rasante Entwicklung bei KI und vor allen Dingen der Benutzerschnittstellen der Large Language Model (LLM) haben dieses umfangreiche Update notwendig gemacht, auch wenn ich schon über die letzten Monate die Grundversion von 2023 immer wieder erweitert und aktualisiert hatte.
Wobei ich ja schon vor der ChatGPT-Supernova im Umfeld von KI bzw. AI recht viele Videotraining zu Grundlagen der künstlichen Intelligenz veröffentlicht habe. Etwa zu Statistik in Verbindung mit Python und Mathematik-Grundbegriffe für Programmierer, was einen Teil der KI-Grundlagen samt der Arbeitsweise von LLM berührt und vor allen Dingen Python für die Datenanalyse 1: Grundlagen sowie Python für die Datenanalyse 2: Machine Learning, was elementare Basistheorien und -techniken für das Training von KI bzw. LLM abdeckt.
Als LLM mit ChatCPT als Speersitze wie ein Sturm die IT umgekrempelt und Künstliche Intelligenz vom Nerd-Thema zum Massenhype befördert hat, habe ich sofort ein Training dazu aufgezeichnet und damit die Welle ganz am Beginn mitgenommen. Da ich mit dem Training aber eben absolut am Anfang schon dabei war, habe ich in dem Training – trotz immer wieder laufender Aktualisierungen – zu ChatCPT auch noch einige Videos auf dem Stand gehabt, der eben 2022 am Beginn der Welle up2date war.
Das musste einfach bei einigen Videos angepasst werden und teils war es auch sinnvoll Videos zu entfernen, weil die Art des Zugangs zu ChatCPT und anderen LLM 2025 nicht mehr auf diese Weise erfolgt, wie es „früher“ (man beachte die Ironie, wenn ich bei 2022/2023 von der Vergangenheit rede) gemacht wurde. Etwa hat der Playground bei ChatGPT nicht mehr die Bedeutung wie am Anfang und wird auch anders eingesetzt. Die reine GUI von ChatGPT ist zudem einfacher geworden und steht auch mittlerweile ohne Anmeldung zur Verfügung, wenn man nur einfache Ansrpüche hat. Dazu wurden Features erweitert bzw. vom Playground in das einfache ChatGPT-Userinterface verlagert. Das musste einfach in das Training rein.
Damit sollte das Videotraining jetzt wieder vollständig auf dem aktuellen Stand der KI-Entwicklung bzw. der Verwendung von ChatGPT & Co sein.
Tkinter-Kurs aktualisiert
Mein Kurs Python: GUI-Programmierung mit TKinter ist auf LinkedIn Learning (LiL) aktualisiert worden. Ich habe jedes Kapitel um Challenges und deren Solutions erweitert.
Warum ich von Physik auf Mathematik gewechselt habe
Ich habe zu Beginn meines Studium Physik studiert, aber irgendann auf Mathematik gewechselt. Gerade wurde wieder deutlich, was der Grund war. Meine Experimente mit dem Raspberry PI, Sensoren und deren Auswertung in Python haben mich fast zur Verzweiflung gebracht. Die Quellcodes an sich sind ziemlich trivial, aber die Messwerte waren komplett unlogisch. Sowohl am alten PI V1, aber auch der neue 4B hat den gleichen Müll geliefert. Bei allen drei Sensoren, die ich aktuell da habe. Natürlich konnten die alle defekt sein, aber als meine Skripte auch ohne einen Sensor Werte geliefert und beim Anpassen des Eingangsignals grundsätzlich kein Signal ins Skript portiert haben, ist bei mir der Groschen gefallen. Ich hatte die Verkabelung einfach nicht verstanden. Obwohl ich diese Fehlerquelle nach zig Varianten, die ich ausprobiert hatte, ausgeschlossen habe. Nach einigem Suchen im Internet habe ich endlich ein paar einfache Bilder der Sensoren als auch PIs mit der Belegung der PINs gefunden, die selbst ich endlich verstanden habe. Seit Beginn meiner Experimente konnte nichts gehen, weil ich einen grundsätzlichen Knoten im Gehirn und die PINs falsch durchgezählt hatte.
„Warum ich von Physik auf Mathematik gewechselt habe“ weiterlesen
Raspberry Pi 4 B
Ich habe schon Ewigkeiten einen Raspberry Pi. Allerdings ein Modell der ersten Serie (Mod. A von 2013). So gerne ich alte Hardware weiter nutze – die Leistungsfähigkeit der Version 1 ist doch extrem dünne – selbst wenn man die damalige Hardware als Maßstab nimmt.
Es stellte sich für mich sowieso immer die Frage, was man mit einem Raspi eigentlich anstellen soll, was nicht ein „normaler“ Computer genauso gut oder besser kann? Ich war damals nur neugierig auf dieses „Nerd-Spielzeug“. Aber ich bin vor einigen Tagen durch zwei Python-Schulungen bei einem Kunden, der sich viel mit Hardwareprogrammierung beschäftigt, auf den Trichter gekommen, mich etwas in Embedded Programming, IoT-Programmierung im Kontext von Internet of Things und Sensoranbindung über Python einzuarbeiten. Mit dem Raspi V1 hatte ich bereits mit Bewegungssensoren angefangen, aber der ist wirklich schwach auf der Brust und hat noch nicht einmal WLAN, was den Nutzen ziemlich begrenzt. Vermutlich ist auch der ein oder andere Pin mittlerweile in Rente gegangen. Meine ersten Skripte in dem Zusammenhang mit Sensoren haben auf jeden Fall etwas eigenartige Ergebnisse geliefert. Die will ich mal auf einem anderen PI gegenprüfen.
Deshalb habe ich mich in ruinöse Unkosten gestürzt und für 49 € einen refurbished Pi 4B mit 4 GB RAM gekauft und er ist gerade angekommen.
Notebook, Wasserflasche und Heizofen
Ich bin gestern Abend von meiner Python-Schulung in Bruchsal zurückgefahren und hatte dummerweise eine Wasserflasche in meiner Notebook-Tasche, die nicht richtig dicht war. Zuhause hat das Notebook einen unfreiwilligen Schwimmkurs gemacht und war nicht mehr zu einem Start zu bewegen. Da ich immer mehrfache Datensicherungen habe, war Datenverlust zwar kein Problem und selbst für die Livecodes der Schulung, die noch nicht gesichert waren, hatte ich ziemlich analoge Quellcodes von der Schulung im Januar. Trotzdem verdammt ärgerlich. Rettungsmaßnahmen empfehlen in so einem Fall
- sofortiges Ausschalten (war ja sowieso aus),
- Ausbau des Akkus (was bei mir nicht möglich war, da ich für die elend kleinen Schrauben kein Werkzeug habe),
- langes Trocken
und dann hoffen.
Bis eben hat das Trocknen keinen Erfolg gehabt, aber dann habe ich das Notebook seitlich gekippt vor ein Heißluftgebläse gestellt. Bereits nach gut 20 Minuten konnte ich es starten und zumindest die Livecodes noch sichern. „Notebook, Wasserflasche und Heizofen“ weiterlesen
Bruchsal 2
Nachdem ich schon im Januar für eine Woche in Bruchsal zu einer Python-Schulung war, bin ich die Woche erneut für 3 Tage bei dem Kunden. Wieder Python, aber eine andere Gruppe. Auch dieses Mal bleibe ich über Nacht im Hotel, auch wenn die Entfernung im Prinzip jeden Tag zu fahren wäre. Aber es wäre aufwändig und die Gefahr von Staus ist auf der Strecke hoch.
Linux als Schulungssystem
In meiner täglichen Arbeit habe ich Windows weitgehend verbannt. Linux kann eigentlich alles, was Window kann. Meist nur besser. Aber es gibt für mich Ausnahmen und ich will nicht verbohrt Windows verteufeln. Genaugenommen sind das sogar 5 Bereiche, in denen Windows für mich bequemer oder gar notwendig ist.
Da ist natürlich alles rund um .NET-Programmierung. Oder wenn ich Access verwenden. Auch stellen einige meiner Verlage Dokumentvorlagen nur für Word bereit, die unter LibreOffice oder anderen Linux-Lösungen nicht so richtig funktionieren. Etwa bei Makros und zum Teil werden auch Formatierungen verschoben. Das will ich dann doch nicht immer wieder beachten müssen und in Office365 im Browser will ich einfach nicht arbeiten. Bei Videoaufnahmen verwende ich auch meist Windows, weil sowohl mein altes Notebook, mit dem ich die Aufnahmen mache, nur Windows 10 hat und die Zielgruppe letztendlich auch überwiegend Windows verwendet.
Eine weitere Ausnahme, bei der ich bisher noch Windows einsetze, sind Schulungen. Aber da habe ich jetzt den Schritt vorwärts zu Linux getan. „Linux als Schulungssystem“ weiterlesen
Update Python lernen
Ich habe über die vielen Jahre, in denen ich Videotraining für LinkedIn Learning (LiL) aufgenommen habe, einen ziemlichen Fundus Trainings zu den verschiedensten Themen. Natürlich habe die ziemlich unterschiedliche Nutzerzahlen über die Zeit ihrer Veröffentlichung. Aber ein Training sticht heraus, das mit ziemlichem Abstand am erfolgreichsten hinsichtlich der Nutzerzahlen ist – Python lernen. Und dieses Training wurde gerade mal wieder aktualisiert.
Aktualisiert! Python und Excel: Strukturierte Daten bearbeiten
Gerade wurde mein Videotraining Python und Excel: Strukturierte Daten bearbeiten bei LinkedIn Learning (LiL) aktualisiert.
Motiviert wurde das Update u.a. auch durch die Python-Schulung im Januar in Bruchsal. In der Firma ist der Zugriff auf Excel aus Python ein großes Thema.
Elben und die Schlange
Der Titel des Beitrags ist natürlich seltsam, aber ich bin für eine Woche in Bruchsal zu einer externen Python-Schulung. Und bei Bruchsal ist es nicht weit zur Assoziation mit Bruchtal aus dem Herr der Ringe. Die Assoziation von Python mit einer Schlange ist noch naheliegender. Anyway – die erste Schulung in 2025 ist am Laufen und ich bleibe die Tage auch vor Ort. Zwar könnte ich die Strecke nach Bruchsal auch jeden Tag fahren, aber das dauert einfach mindestens 75 Minuten, wenn man optimal durchkommt. Bei der Jahreszeit kann das locker auch viel länger werden und das gebe ich mir nicht. Dann lieber Hotel vor Ort.
Da simmer dabei, dat is prima!
Bei LinkedIn Learning (LiL) gibt es einen neuen Lernpfad mit dem Titel „Praktisches Weiterbildungsmodell für die KI-Transformation in Unternehmen„. Dieser gliedert sich in 5 Stufen für die KI-Weiterbildung. Von der 1. Stufe zum Verständnis, der 2. Stufe rund um Anwendung von KI, der 3. AufbauStufe, der 4. Stufe zum Modelltraining und der Pflege bis zur 5. Stufe zur Spezialisierung.
Da in ich mit einem Kurs dabei. Und zwar in der Stufe 3 „Aufbau: Erstellen von Anwendungen mit KI für Business-Power-User:innen und Entwickler:innen“. Dabei stehen Power-User:innen und Entwickler:innen von KI-gestützten Anwendungen und Lösungen im Fokus. Der Kurs Python für die Datenanalyse 2: Machine Learning passt da auch gut rein.
Yeah – „Matplotlib lernen“ ist da
Eben wurde mein neustes Videotraining bei LinkedIn Learning veröffentlicht. Matplotlib ist eine weit verbreitete Bibliothek in Python für die Erstellung von statischen, animierten und interaktiven Visualisierungen. Sie ist besonders nützlich in der Datenanalyse und wissenschaftlichen Berechnungen, ist flexibel und ermöglicht detaillierte Anpassungen der Diagrammelemente. „Yeah – „Matplotlib lernen“ ist da“ weiterlesen
miniconda & Co
Mein Beitrag zum Kampf mit pip unter meinem Linux-System hat tatsächlich zu Reaktionen geführt und ich habe einen interessanten Tipp in dem Kontext bekommen (Danke Hendrik!). Ich solle miniconda verwenden, um darüber virtuelle Umgebungen für Python zu verwalten. Interessanterweise habe ich zu conda und miniconda im Rahmen meiner Behandlung von Anaconda und dem Jupyter Notebook in verschiedenen Videokursen bei LinkedIn Learning (Lil) mehrere Videos veröffentlicht (zuletzt wieder bei dem ganzen neuen Training zu CPython). Aber selbst nutze ich Anaconda eigentlich gar nicht, da ich mit pip immer zufrieden war und bisher auch in der Praxis keine virtuellen Umgebungen für Python benötigt habe. Deshalb habe ich miniconda bzw. conda ziemlich ignoriert. Der Hinweis von Hendrik, wie komfortabel miniconda virtual environments ist sowie die (extrem sinnvollen!!) Beschränkungen der Basisumgebung von Python unter meinem Linux haben mich motiviert, das zu ändern.
Ausprobiert und das geht ja wirklich extrem einfach.
pipx und virtuelle Python-Umgebungen
Mein „Crash“ gestern Abend hatte ja die Ursache, dass ich pip unter meiner Python-Installation vermisst und dann ein paar „destruktive“ Ansätze zur Lösung versucht habe. Heute morgen habe ich dann das Problem beseitigt, wobei ich gerne zugebe, dass ChatGPT wieder unterstützt hat. Wobei man die richtigen Fragen stellen und die Antworten als auch Fehlermeldungen und Ausgaben vernünftig verstehen und Tipps anpassen muss (was ich als meine Eigenleistung sehe). Gestern habe ich ja erfahren, was ein blindes Verwenden von Vorschlägen bedeutet. Doch als Spoiler zuerst meine beiden Lösungen, worüber ich pip jetzt verwenden kann, um fehlende Module wie pandas, numpy, matplotlib etc. auf meinem Linux Mint 22 zu installieren:
- pipx
- Eine virtuelle Umgebung
- Eine alternative Python-Installation wie zusätzliches CPython oder IronPython nutzen
Die Frage, ob ich nicht bis 3 zählen kann, weil ich von „beiden“ Lösungen rede, soll in der Antwort münden, dass ich die ersten beiden ausprobiert habe und die mir vollständig genügen.
Doch erst einmal die Ursache für mein Problem. Ich habe pip bzw. pip3 erst einmal nicht gefunden und dann trotz verschiedener Aufrufanweisungen nicht ausführen können. Der Ausgangsfehler war im Prinzip die Fehlermeldung:
error: externally-managed-environment
× This environment is externally managed
Irgendwann hatte ich diese eigentlich sehr aussagekräftige Fehlermeldung auch endlich mal verstanden. Der Fehler tritt auf, weil unter meinem Linux-System mein Python-Umfeld als „extern verwaltet“ betrachtet wird und das darin resultiert, dass das System den direkten Einsatz von pip für die Installation von Paketen in der globalen Python-Umgebung nicht zulässt. „pipx und virtuelle Python-Umgebungen“ weiterlesen
Timeshift
Oha. Eben habe ich mir doch glatt mein Mint Linux zerschossen und musste es mittels Timeshift wiederbeleben. Also nicht Linux selbst, sondern im Grunde nur Python. Aber das hat apt und apt-get samt der kompletten Anwendungsverwaltung ins Grab gezogen. Nix ging mehr mit Aktualisieren, Bereinigen oder Neuinstallieren. Das zerbröselte Python hat jedesmal zum Abbruch der Aktionen geführt. Richtig brutal. Dabei wollte ich bloß das kleine Problem beseitigen, dass bei meiner Installation von Python unter meinem Mint Linux 22 pip nicht installiert ist. „Timeshift“ weiterlesen
Du muss angemeldet sein, um einen Kommentar zu veröffentlichen.