Auf Rückfrage eine kleine Liste der Tools mit denen ich zur Zeit arbeite

 

(source)

 

 

Ältere Kenntnisse und Software, auch wenn diese zum Teil noch erfolgreich eingesetzt wird, wie Mathematica oder MatLab, nutze ich wenn überhaupt, nur noch sehr selten. Spätestens die Entwicklung von machine learning Modellen und deren Einsatz in der Produktion erfordern hier eine geeignete Auswahl. Vielen Hilfsmittel fehlt es hier an Kompatibilität, diese Herzustellen wäre zwar möglich ist jedoch überflüssig, wenn es besser geeignete Tools gibt. Ansonsten bin ich eine Arbeit auch mit Cobol, Fortran, Lisp, VBasic, C, C++ gewohnt, diese Tools sind jedoch bis auf php und html für Data Science kaum nutzbar.

 

Azure Notebooks

Tools für eine schnelle Datenanalyse

Excel

Notepad++

Open Office

Microsoft Office

Microsoft Windows mir den Board Tools

Linux mit seinen Board Tools

besonders Ubuntu 16.04 durch die Relevanz zu Data Science

Cygwin64 das Tools für jeden Windows Rechner

Anaconda und Jupyter

PyCharm, spyder

 

 

Tools für eine Ausführliche Datenanalyse

 

Python mit Bibliotheken

R selten, ungerne

Julia, sehr gerne, jedoch nur grundlegende Kenntnisse

Scala selten, ungerne

 github und gist, gerne mit Lepton

 Matlab nur noch selten

 
 
 
 

 

Statistik-Software

 

Weka

https://pypi.org/project/python-weka-wrapper/

KNIME

RapidMiner

Gephi

Open Graph Viz Platform

SPSS nur noch sehr sehr selten

 
 
 

 ansonsten bestimmt das zu lösendende Problem die tools , je nach Anwedungsfall kann ich hier auf Erfahrungen aus einem grosssem Spektrum  zurückgreifen, die den Rahmen hier sprengen würden, bevorzugt nutze ich freie Software. Freie Software bietet einen entscheidenden Vorteil, bei ihrer Nutzung muss man sich nicht mit der Frage auseinander setzen ob an einem spezifischen Arbeitsplatz auch eine gültige Lizenz vorliegt.

 dazu

http://statistiksoftware.com/free_software.html

 

Datenbanken

 

 

MongoDB

sql in verschiedenen Derivaten

 
 
 
 
 
 
 
 

 

genutzte Bibliotheken unter Python

 

python, pands, numpy, scipy

scikit-learn

tensorflow

pytorch noch in der Einarbeitung

matplotlib, seaborn, plotly, cufflinks, pixiedust

ROS Ropotic Operating System

OpenCV für maschinelles Sehen

 bitarray

https://pypi.org/project/bitarray/

ein bitarry object can kann bis zu  2^34 Elemente enthalten, das sind 16 Gbits

 
 

IDE's und Entwicklungssprachen

Anaconda

R-Studio jedoch äußerst selten, R ist angenehm jedoch viel zu spezifisch auf Statistikfragen begrenzt

 

 
 
 
 
 
 
 
 

 

Betriebssysteme

Windows 10,7

Ubuntu 16.04

 
 
 
 
 
 
 
 

 

© 2019 Your Company. All Rights Reserved. Designed By JoomShaper

Please publish modules in offcanvas position.