Kurze Zeitreise

Project Jupyter entstand 2014 als Ausgliederung, aus dem von Fernando Pérez initiierten Projekts IPython. Wobei IPython nach wie vor existiert. Lediglich eher bekannt als Python Shell und Kernel für Jupyter, während das Notebook und andere sprachunabhängige Teile nun unter dem Namen Jupyter weiterentwickelt werden. Jupyter ist sprachenunabhängig und unterstützt die Ausführung vieler verschiedener Sprachen wie Julia, R, Haskell, Ruby und Python.

Im Jahr 2015 gaben GitHub und das Project Jupyter bekannt, dass das Dateiformat des Jupyter Notebooks auf der GitHub-Plattform unterstützt wird.

Ich selbst kam zwar bereits im Jahr 2015 als Producer mit Jupyter in Berührung, doch dies ist eine andere Geschichte. Wirklich gearbeitet, habe ich mit Jupyter Notebook in Bezug auf die künstliche Intelligenz bzw. dem maschinellen Lernen und dem NVIDIA Jetson bzw. dem Xavier und TX1 in Selbstregie. An dieser Stelle mein herzliches Dankeschön an Fernando Pérez und seinem unermüdlichen Einsatz für die Wissenschaft und der Open Source Szene und natürlich an NVIDIA, für die zur Verfügungstellung der DevKits (Development Kits). Wobei ich an dieser Stelle nicht garantieren kann, ob es in Ordnung ist, diese beiden im Zusammenhang zu erwähnen. Falls nicht, möchte ich mich bereits jetzt dafür entschuldigen.

Jupyter Notebook

Jupyter Notebook (früher IPython Notebooks) ist eine web-basierte interaktive Umgebung, mit der Jupyter-Notebook-Dokumente erstellt werden können. Ein Jupyter-Notebook-Dokument ist ein JSON-Dokument mit einem versionierten Schema, dass aus einer Liste von Eingabe- und Ausgabezellen besteht, die jeweils Code, Text und Plots enthalten können. Die Dateinamensendung ist „.ipynb“. Ein Jupyter Notebook kann aus der Browseroberfläche heraus in verschiedene Formate konvertiert werden (HTML, PDF, LaTeX und Folien für Präsentationen). Es bietet im Browser eine Schleife aus Eingabe, Ausführung/Ausgabe und baut dabei auf weit verbreitete Open-Source-Bibliotheken wie IPython, ZeroMQ, Tornado, Python, jQuery, Bootstrap und MathJax.

Jupyter Notebook kann verschiedene Kernels aufrufen, um die Programmierung bzw. interaktive Ausführung von Anweisungen in verschiedenen Sprachen zu unterstützen.

Jupyter Kernel

Der Kernel ist ein Programm, dass verschiedene Arten von Anfragen bearbeitet. Da Kernels über ZeroMQ kommunizieren, können sie auf der gleichen Maschine oder auf anderen Maschinen im Netzwerk in Betrieb genommen werden. Kernels erkennen nicht, mit welchem Dokument sie verbunden sind, und können von vielen Clients gleichzeitig aufgerufen werden. In der Regel ist ein Kernel für eine Programmiersprache ausgelegt. Der Kernel für Python wird mit ausgeliefert. Die Menge an Kernels mit der Unterstützung verschiedenster Programmiersprachen nimmt stetig zu.

JupyterHub

JupyterHub bringt die Leistungsfähigkeit von Notebooks zu Benutzergruppen und ist als Multi-User-Server zu sehen. Es gibt den Nutzern Zugang zu Rechenumgebungen und Ressourcen, ohne sie mit Installations- und Wartungsaufgaben zu belasten. Benutzer – einschließlich Studenten, Forscher und Datenwissenschaftler – können ihre Arbeit in ihren eigenen Arbeitsbereichen auf gemeinsam genutzten Ressourcen erledigen, die von Systemadministratoren effizient verwaltet werden können.

JupyterHub läuft in der Cloud oder auf der eigenen Hardware und ermöglicht es, jedem Benutzer auf der Welt eine vorkonfigurierte Data-Science-Umgebung zur Verfügung zu stellen. Es ist anpassbar und skalierbar und eignet sich für kleine und große Teams, akademische Kurse und groß angelegte Infrastrukturen.

JupyterLab

JupyterLab ist die webbasierte interaktive Entwicklungsumgebung für Notebooks, Code und Daten und damit das Nachfolgeprodukt für die GUI (Benutzeroberfläche). Mit der flexiblen Oberfläche können Benutzer Arbeitsabläufe in den Bereichen Datenwissenschaft, wissenschaftliche Berechnungen, Computerjournalismus und maschinelles Lernen konfigurieren und gestalten.

Fazit

Ein objektives Fazit fällt mir an dieser Stelle schwer, da ich die Lösungen nur für mich und allein verwendet habe. Interessant wäre es gewesen, dies in einem Team zu machen. Ich kann mir vorstellen, dass es bei der Versionierung durchaus einige Herausforderungen geben kann. Auch beim Mergen (Zusammenführen) von Code, kann sich dieses Unterfangen wahrscheinlich etwas komplizierter gestalten. Daher enthalte ich mich in diesem Fall bis auf Weiteres. Ich bin davon überzeugt, dass ich auch in Zukunft Berührungspunkte damit habe und diesen Artikel dementsprechend erweitere oder zumindest auf neue Artikel verweise.

Der Beitrag Projekt Jupyter – Plattform für interaktive Datenanalyse und kollaboratives Arbeiten erschien zuerst auf CEOsBay.

Python unterstützt die objektorientierte, aspektorientierte und die funktionale Programmierung, wenn es um die Programmierparadigmen geht. Ferner bietet es eine dynamische Typisierung. Wie viele dynamische Sprachen wird Python oft als Skriptsprache genutzt. Die Sprache weist ein offenes, gemeinschaftsbasiertes Entwicklungsmodell auf, dass durch die gemeinnützige Python Software Foundation gestützt wird, die die Definition der Sprache in der Referenzumsetzung CPython pflegt.

Kurze Zeitreise

Die Sprache wurde Anfang der 1990er Jahre von Guido van Rossum am Centrum Wiskunde & Informatica in Amsterdam als Nachfolger für die Programmiersprache ABC entwickelt und war ursprünglich für das verteilte Betriebssystem Amoeba gedacht.

Wie in meinem Beitrag über GitHub bereits erwähnt, geht der Name nicht auf die gleichnamige Schlangengattung zurück, sondern bezog sich ursprünglich auf die englische Komikertruppe Monty Python. In der Dokumentation finden sich daher auch einige Anspielungen auf Sketche aus dem Flying Circus. Trotzdem etablierte sich die Assoziation zur Schlange, was sich unter anderem in der Programmiersprache Cobra sowie dem Python-Toolkit „Boa“ und schlussendlich in dem heutigen Logo wiederfindet. Die erste Vollversion erschien im Januar 1994 unter der Bezeichnung Python 1.0. Gegenüber früheren Versionen wurden einige Konzepte der funktionalen Programmierung implementiert, die allerdings später wieder aufgegeben wurden.

Python 2.0 erschien am 16. Oktober 2000. Neue Funktionen umfassten eine voll funktionsfähige Garbage Collection (automatische Speicherbereinigung) und die Unterstützung für den Unicode-Zeichensatz. In Version 2.6 wurde eine Hilfe eingebaut, mit der angezeigt werden konnte, welche Code-Sequenzen vom Nachfolger Python 3 nicht mehr unterstützt werden und daher in darauf aufbauenden Versionen nicht mehr funktionsfähig sind.

Python 3.0 (auch 3000 genannt) erschien am 3. Dezember 2008 nach längerer Entwicklungszeit. Es beinhaltet einige tiefgreifende Änderungen an der Sprache, etwa das Entfernen von Redundanzen bei Befehlssätzen und veralteten Konstrukten. Da Python 3.0 hierdurch teilweise inkompatibel zu früheren Versionen ist, beschloss die Python Software Foundation, 2.7 parallel zur Version 3 bis Ende 2019 weiter mit neuen Versionen zu unterstützen.

Freuen dürfen wir uns auf die mittlerweile Version 3.12, die im Oktober dieses Jahres folgen soll.

Wieso Python?

Es wurde mit dem Ziel größter Einfachheit und Übersichtlichkeit entworfen. Die Sprache kommt mit relativ wenigen Schlüsselwörtern aus und ist mit einer reduzierten Syntax auf Übersichtlichkeit optimiert. Dadurch lassen sich Python-basierte Skripte deutlich kleiner bzw. kompakter formulieren als in anderen Sprachen.

Van Rossum legte bei der Entwicklung großen Wert auf eine Standardbibliothek, die überschaubar und leicht erweiterbar ist. Dies war das Ergebnis seiner schlechten Erfahrung mit der Sprache ABC, in der das Gegenteil der Fall ist. Dieses Konzept ermöglicht, Module aufzurufen, die in anderen Programmiersprachen geschrieben wurden, etwa um Schwächen von Python auszugleichen. Beispielsweise können für zeitkritische Teile in maschinennäheren Sprachen wie C implementierte Routinen aufgerufen werden. Umgekehrt lassen sich damit Module und Plug-ins für andere Programme schreiben, die die entsprechende Unterstützung bieten. Dies ist unter anderem bei Blender, Cinema 4D, GIMP, Maya, OpenOffice bzw. LibreOffice, PyMOL, SPSS, QGIS oder KiCad der Fall. Über die ich bereits geschrieben habe und noch schreiben werde.

Wie bereits erwähnt, ist Python eine Multiparadigmensprache. Dies bedeutet, es zwingt den Programmierer nicht zu einem bestimmten Programmierstil, sondern erlaubt, dass für die jeweilige Aufgabe am besten geeignete Paradigma zu wählen. Die Freigabe nicht mehr benutzter Speicherbereiche erfolgt durch Referenzzählung. Datentypen werden dynamisch verwaltet, eine automatische statische Typprüfung wie z. B. bei C++ gibt es nicht. Jedoch unterstützt Python ab Version 3.5 optionale Typ-Annotationen, um eine statische Typprüfung mithilfe externer Software, wie zum Beispiel Mypy, zu vereinfachen.

Wann Python?

Python ist für die meisten gängigen Betriebssysteme frei erhältlich und bei den meisten Linux-Distributionen im Standardumfang enthalten. Um es in Webserver einzubinden, wird Webserver-umgreifend WSGI verwendet, welches die Nachteile von CGI umgeht. WSGI stellt eine universelle Schnittstelle zwischen Webserver und Python(-Framework) zur Verfügung.

Sowohl in der Wirtschaft, Wissenschaft als auch in der Spielebranche erfreut sich Python einer großen Beliebtheit, da es auf der einen Seite einsteigerfreundlich ist und auf der anderen Seite auch leistungsfähig genug, um theoretische Grundlagen der Programmierung zu vermitteln bzw. um moderne Anwendungen bis hin zu komplexen Datenanalysen, grafischer Programmierung oder Datenbankanwendungen zu entwickeln. Ganz zu schweigen von den Möglichkeiten in Bezug auf Machine learning bzw. künstliche Intelligenz. Doch diese Themen werde ich auch in zukünftigen Beiträgen angehen.

An dieser Stelle sei auch das Projekt „100-Dollar-Laptop“ erwähnt. Denn da wurde Python als Standardsprache der Benutzeroberfläche verwendet. Da der 100-Dollar-Rechner für die Schulausbildung von Kindern konzipiert war, sollte bei Benutzung der dafür gestalteten grafischen Benutzeroberfläche „Sugar“ auf Knopfdruck der gerade laufende Python-Quellcode angezeigt werden. Damit sollte Kindern die Möglichkeit gegeben werden, die dahinter liegende Informationstechnik real zu erleben und nach Belieben „hinter die Kulissen“ zu schauen oder sogar anzupassen. Doch darüber schreibe ich in einem zukünftigen Beitrag, da sich dieses Projekt komplexer entwickelt hat, als man es annehmen möchte.

Fazit

Python kann verhältnismäßig schnell erlernt werden und man kann damit sehr kurze Programmtexte schreiben. Dies verbessert die Verständlichkeit einer Anwendung, erleichtert die Fehlersuche und verkürzt die Entwicklungszeit. Es unterstützt unterschiedliche Paradigmen (Programmierstile).

Auch gibt es viele frei verfügbare Erweiterungen (sogenannte Module) für spezielle Anwendungsbereiche wie etwa Grafik, Astronomie, Mathematik, Spracherkennung, Quantencomputer und künstliche Intelligenz.

Der Beitrag Python – Die Sprache für schnelle Prototypen, Datenanalyse und künstliche Intelligenz erschien zuerst auf CEOsBay.

Nachdem diverse Angebote und Dienstleistungen immer mehr in die Cloud wandern, kann es durchaus Sinn machen, sich mit diesen Themen zu beschäftigen. Vor allem wenn man bedenkt, dass Microsoft neben AWS (Amazon Web Services) und Google einer der Big Player ist, wenn es um Cloud Lösungen geht.

Was ist die Cloud?

Kurz gesagt, wird mit der Cloud ein externer Datenspeicher bezeichnet, der sich nicht zu Hause oder im Büro befindet, sondern auf einem Server. Wenn man also etwas in die Cloud lädt, dann meint man in der Regel, Daten auf einem entfernten Server zu speichern. Dabei werden Daten von einem beliebigen Gerät über das Internet auf den Server eines Cloud-Anbieters hochgeladen. Später können die Dateien dann mit diesem oder anderen Geräten wieder abgerufen werden. Eines der Vorteile ist, dass man Plattformunabhängig auf die Daten zugreifen und verwalten kann. Auch benötigt man für die Verarbeitung der Daten keine High-End Geräte mit enormen Leistungs- und Speicherkapazitäten. Sicherlich gehen diverse andere positive und negative Aspekte mit Cloud Lösungen einher. Doch dies werde ich in einem separaten Beitrag ausführlicher thematisieren. Man kann auch VMs (Virtuelle Maschinen) in der Cloud einsetzen. Hierzu habe ich aber einen anderen Beitrag erstellt.

Wie läuft das Training bzw. Lernen für Microsoft Zertifikate ab?

Die Lerninhalte sind in Pfaden bzw. Modulen organisiert. Man kann vorab eine Rolle definieren, die man anstrebt oder aber einen Pfad auf Basis der eigenen Interessen selber definieren. Man kann auch ein bestimmtes Microsoft Zertifikat auswählen und erhält dann die relevanten bzw. erforderlichen Module für die jeweilige Prüfung.

Punktesystem

Nach Abschluss eines jeden Moduls des jeweiligen Lernpfades erhält man Punkte. Jedes Modul wird darüberhinaus mit einer Wissensbeurteilung abgeschlossen, bei dem der Kenntnisstand über das jeweilige Thema evaluiert wird. Besteht man die Wissensbeurteilung, wird man mit weiteren Punkten belohnt und erhält Preise bzw. Badges. Diese Punkte und Badges werden dazu genutzt, in Leveln aufzusteigen. So viel zu effektiver Gamification.

Was ist Gamification?

Unter Gamification versteht man das Hinzufügen von Spielmechanismen in Umgebungen, die keine Spiele sind, wie z. B. eine Website, eine Online-Community, ein Lernmanagementsystem oder das Intranet eines Unternehmens, um die Beteiligung zu erhöhen. Ziel der Gamification ist es, Verbraucher, Mitarbeiter und Partner zur Zusammenarbeit, zum Austausch und zur Interaktion anzuregen.

Besonders praktisch sind die Zeitangaben. Da sowohl die Lernpfade, als auch die Module mit einer ungefähren Dauer zur Bewältigung versehen sind, ermöglicht dies ein ausgezeichnetes Zeitmanagement, mit dem es auch möglich ist, bei Pausen, die man sich an einem regulären Tag einräumt, effektiv zu lernen.

Und der Abschluss von einem Microsoft Zertifikat?

Microsoft Zertifikate werden durch das Bestehen einer Prüfung erreicht, die in einem zertifizierten Prüfungszentrum oder Remote, über eine spezielle Plattform abgelegt werden kann. Generell gehört zu jeder Zertifizierung auch ein passender Kurs mit Unterlagen. Wer in dem entsprechenden Gebiet bereits fit ist, kann einfach die Prüfung ablegen. IT’ler, die vorher einen Kurs besuchen, werden auf die Prüfung vorbereitet. Aus eigener Erfahrung kann ich sagen, dass es durchaus Sinn macht, zumindest bei den mündlichen Events, einmal teilgenommen zu haben, da die Fragen in den Examen relativ spezifisch sein können.

Die Präsenz-Kurse sind in den meisten Fällen Vollzeit, lassen sich also nicht während der normalen Arbeitszeit besuchen. Der Vorteil besteht darin, dass sich Teilnehmer mit anderen Teilnehmern austauschen können und Fragen direkt vom Trainer beantwortet werden. Für die meisten Zertifizierungen gibt es auch bei vielen Drittanbietern Crash-Kurse. In diesem Fall werden die Inhalte in komprimierter Form vermittelt und meistens gleich für mehrere Prüfungen hintereinander. Dadurch kann in kurzer Zeit, teilweise in 10 Tagen, eine Zertifizierung erfolgen. Seit einigen Monaten bzw. Jahren ist die Remote Teilnahme eine durchaus legitime Option.

Ich persönlich habe ausschließlich an den Remote Sessions und Prüfungen teilgenommen. Hierzu wird man wie bei allen legitimen remote Prüfungen, mit einem Ausweisdokument verifiziert und legt die Prüfung unter Beobachtung ab. Dadurch soll verhindert werden, dass man schummelt. Im Grunde genommen macht es aber wie bei jeder Prüfung wenig Sinn zu schummeln, da die Inhalte bereits wirklich auf das nötigste komprimiert sind und die Fähigkeiten, die man sich aneignet, fast lückenlos im realen Umfeld zum Einsatz kommen. Sicherlich sind die Zertifikate nicht zwingend erforderlich, wenn man sich beispielsweise nur aus Eigeninteresse mit den Themen beschäftigt. Hierfür bieten sich die kostenlosen Kurse an, die ebenfalls bei „Microsoft Learn“ angeboten werden.

Nimmt man auf dem ein oder anderen Microsoft Event teil, winken einem auch hin und wieder Rabatte bei den Zertifizierungen. Dadurch spart man sich durchaus mal ca. 100 EUR und erfährt eine gewisse Anerkennung dafür, dass man sich mit den Produkten von Microsoft beschäftigt. Ich persönlich finde diese Praxis ausgezeichnet und durchaus motivierend.

Gültigkeit von einem Microsoft Zertifikat

Rollenbasierte und spezielle Microsoft-Zertifizierungen können ablaufen. Doch in der Regel kann man sein Wissen immer wieder auffrischen und die bereits erworbenen Zertifizierungen meistens kostenlos erneuern, indem eine Onlinebewertung bzw. eine erneute Teilnahme an dem jeweiligen Examen auf Microsoft Learn bestanden wird.

Fazit

Meines Erachtens nach kann sich eine Zertifizierung für jeden IT-Profi lohnen, der mit Microsoft-Produkten arbeitet. Generell bieten Zertifikate neben der besseren Verhandlungsposition bei Gehaltsgesprächen, in den meisten Fällen auch eine bessere Chance auf neue Jobs. Beispielsweise als Quereinsteiger in neuen Berufsfeldern. Kunden gegenüber zeigen Zertifizierungen, dass das Unternehmen – bzw. der dort angestellte Spezialist – über das notwendige Wissen verfügt.

Wer sich bereits mit dem entsprechenden Produkt auskennt, kann Prüfungen direkt absolvieren, ohne im Vorfeld Kurse zu besuchen. Online-Kurse helfen allerdings dabei, einen Überblick zu erhalten, welches Wissen bei der entsprechenden Prüfung erforderlich ist. Natürlich kann man sich immer darüber streiten, ob eine Zertifizierung zuverlässig zeigt, dass ein IT-Profi über das notwendige Wissen verfügt. In jedem Fall ist eine Weiterbildung bzw. Zertifizierung in meinen Augen ein Benefit.

Der Beitrag Microsoft Zertifikate – Kompetenz unter Beweis stellen und beruflichen Erfolg in der Welt der Technologie fördern erschien zuerst auf CEOsBay.