Der Einsatz von Reinforcement Learning wird durch neue Software Bibliotheken immer einfacher. Vorgemacht hat dies schon Scikit-Learn für das Supervised Learning. Hierbei ist ein detailliertes Verständnis der einzelnen Algorithmen nicht mehr notwendig. Sobald man die Bibliothek und Supervised Learning verstanden hat, kann man mit aufbereiteten Daten loslegen. Denselben Weg wollen wir in diesem Blogbeitrag beschreiten: Wir werden verstehen, worum es sich bei Reinforcement Learning grundsätzlich handelt und die Werkzeuge für eine Implementierung in Python kennenlernen.
Agiles Projektmanagement in der Data Science
Agile Methoden haben das klassische Projektmanagement abgelöst und Methoden wie Scrum werden insbesondere in der Data-Science angewendet. Wodurch sich Data-Science-Projekte im Speziellen auszeichnen und warum agile Ansätze geeignete Verfahren ihrer Projektsteuerung liefern, erfahren Sie in diesem Beitrag.
Die Python Evolution zum Data-Science Tool
Guido van Rossum veröffentlichte Python im Jahr 1991, in einer Zeit als der Data-Science-Begriff noch nicht geboren war – und auch wenn Python als General-Purpose Sprache vielen Problemklassen zuzuordnen ist, hat sie sich als meistgenutzes Tool im Bereich Data Science etabliert. Doch wie ist es eigentlich zu dieser Entwicklung gekommen?