1 00:00:00,560 --> 00:00:04,400 Python von vielen belächelt doch 1 ist klar, Python ist aus 2 00:00:04,400 --> 00:00:08,280 unserer Industrie gar nicht mehr wegzudenken und seit diesem Jahr 3 00:00:08,280 --> 00:00:11,040 ist Python auch sogar ganz offiziell die populärste 4 00:00:11,040 --> 00:00:14,640 Programmiersprache Aufgetappt und einer der Gründe dafür ist 5 00:00:14,640 --> 00:00:16,560 ganz klar der generative AI Hype. 6 00:00:16,960 --> 00:00:19,520 Doch was hat das mit Python zu tun und warum sollten wir 7 00:00:19,520 --> 00:00:21,200 vielleicht alle ein bisschen Python lernen? 8 00:00:21,920 --> 00:00:26,880 Python, Daten und AI gehören eng zusammen und Tools wie Jupiter 9 00:00:26,880 --> 00:00:30,720 Notebooks und populäre Libraries wie Streamlit, die ganze Apps 10 00:00:30,720 --> 00:00:33,680 aus wenigen Zeilen Code machen, sind fester Bestandteil vom 11 00:00:33,680 --> 00:00:37,120 Ökosystem. Um die Rolle von Python im AI 12 00:00:37,120 --> 00:00:47,360 Hype geht es in dieser Folge. Und damit herzlich Willkommen zu 13 00:00:47,360 --> 00:00:52,080 Folge 106 des. To do Developer Podcast mit 14 00:00:52,160 --> 00:00:56,160 Robin Manuel Thiel und mir malt lantin Robin Manuel, wie geht's 15 00:00:56,160 --> 00:00:59,600 dir heute Abend? Bist du im Skiurlaub, genießt du 16 00:00:59,840 --> 00:01:02,240 noch die Winterzeit, was treibst du? 17 00:01:03,120 --> 00:01:08,040 Ich bin nicht im Skiurlaub, ich bin ja gar nicht so ein krasser 18 00:01:08,040 --> 00:01:11,680 Wintermensch. Von daher verschleckt es mich 19 00:01:11,680 --> 00:01:14,720 nur ganz selten in die Berge, aber ich bin trotzdem ganz ruhig 20 00:01:14,720 --> 00:01:16,800 ins neue Jahr gestartet, ich hatte noch bis. 21 00:01:17,920 --> 00:01:22,960 Mitte letzter Woche Urlaub und genau versuche immer hier das 22 00:01:22,960 --> 00:01:26,440 Jahr langsam zu starten und auch für die wie in letzter Folge 23 00:01:26,440 --> 00:01:28,360 auch schon angekündigt so ein bisschen auch die Zeit zwischen 24 00:01:28,360 --> 00:01:31,920 den Jahren dafür zu nutzen. Mich mal, weil es wirklich die 25 00:01:31,920 --> 00:01:34,240 einzige Zeit ist für mich mich nicht viel um Technik zu 26 00:01:34,240 --> 00:01:38,680 kümmern, mich nicht wie viel ans Programmieren zu setzen, das ist 27 00:01:38,680 --> 00:01:40,720 natürlich einer der wenigen Tage wo ich da ganz die Finger vorn 28 00:01:40,720 --> 00:01:45,440 lasse so gut es ging, denn wir hatten ja letzte Folge dann doch 29 00:01:45,440 --> 00:01:48,960 noch mal über die den. Das Datenleck bei Volkswagen 30 00:01:48,960 --> 00:01:51,760 gesprochen, was ja so quasi sogar bis in die Tagesschau es 31 00:01:51,760 --> 00:01:53,520 geschafft hat, was auch so zwischen den Jahren passiert 32 00:01:53,520 --> 00:01:54,440 ist. Und das hat uns natürlich 33 00:01:54,440 --> 00:01:57,840 trotzdem so ein bisschen beschäftigt, auch ganz, ganz 34 00:01:57,840 --> 00:02:00,040 lieben Dank an alle da draußen, die uns da ganz viel Feedback 35 00:02:00,040 --> 00:02:04,400 zugegeben haben, aber ja genau das Thema Security hat uns dann 36 00:02:04,400 --> 00:02:06,080 quasi nicht losgelassen über die Zeit. 37 00:02:06,640 --> 00:02:09,199 Ja, wir wollten auch gleich noch mal ein bisschen zurückschauen 38 00:02:09,199 --> 00:02:12,800 auf das Thema, was wir in der letzten Folge besprochen hatten. 39 00:02:12,800 --> 00:02:15,760 Also da auf jeden Fall vielen Dank für euer Feedback, aber 40 00:02:15,760 --> 00:02:18,640 bevor wir. Da drauf eingehen erstmal 41 00:02:18,640 --> 00:02:21,920 natürlich vielen Dank an diejenigen, die uns in den 42 00:02:21,920 --> 00:02:25,280 letzten 2 Wochen Kaffee ausgegeben haben über 43 00:02:25,440 --> 00:02:31,600 bimircoffee.com und da möchten wir natürlich wie immer unsere 44 00:02:32,160 --> 00:02:36,560 Sponsorinnen und Sponsoren in dem Sinne nennen und da vielen 45 00:02:36,560 --> 00:02:40,640 Dank an Francie, die uns einen Kaffee oder der uns einen Kaffee 46 00:02:40,640 --> 00:02:46,320 ausgegeben hat, dann 3 Kaffee von Aline. 3. 47 00:02:46,320 --> 00:02:51,920 Kaffee von Lena und als großes Highlight 5 Kaffee von Rainer 48 00:02:51,920 --> 00:02:54,800 vielen. Dank ganz lieben Dank auch von 49 00:02:54,800 --> 00:02:57,840 meiner Seite. Also wir natürlich mit ganz viel 50 00:02:57,840 --> 00:03:00,000 Kaffee ins neue Jahr gestartet. Vielen, vielen, vielen Lieben 51 00:03:00,000 --> 00:03:03,680 Dank, wenn auch ihr Lust habt uns n Kaffee irgendwie zu 52 00:03:03,680 --> 00:03:06,640 spendieren, weil ihr sagt, bei euch hört den Podcast so gern 53 00:03:06,880 --> 00:03:09,640 freuen wir uns immer ganz ganz ganz ganz doll wenn ihr da ne 54 00:03:09,640 --> 00:03:12,400 Möglichkeit sucht, es gibt nen Link zu Buy mir Coffee in der 55 00:03:12,400 --> 00:03:15,520 Beschreibung von jeder Folge. Da freuen sich malte und ich 56 00:03:15,520 --> 00:03:18,000 immer sehr und wir lösen das auch wirklich tatsächlich für 57 00:03:18,000 --> 00:03:19,520 Kaffee ein. Am liebsten natürlich, wenn 58 00:03:19,520 --> 00:03:23,520 malte und ich uns mal persönlich treffen, dann gehen wir immer 59 00:03:24,480 --> 00:03:27,360 auf euch, quasi einen Kaffee oder vielleicht auch abends ein 60 00:03:27,360 --> 00:03:31,720 Bierchen trinken deswegen. Sei da bewusst, dass dass wir 61 00:03:31,720 --> 00:03:33,160 uns da wirklich immer sehr, sehr drüber freuen. 62 00:03:33,160 --> 00:03:36,720 Ganz lieben Dank. Und damit noch mal zurück zum 63 00:03:36,720 --> 00:03:41,600 Thema der letzten Folge, dem großen Datenleck bei Volkswagen 64 00:03:41,600 --> 00:03:46,000 beziehungsweise Kariat oder wie der Chaos Computer Club ist in 65 00:03:46,080 --> 00:03:49,040 der Session. Im Untertitel hatte Volksdaten 66 00:03:49,040 --> 00:03:52,240 von Volkswagen, wir wollten da noch ein paar ergänzende 67 00:03:52,240 --> 00:03:54,800 Informationen liefern, wir hatten ja die letzte Folge. 68 00:03:55,360 --> 00:03:59,480 An aufgenommen bevor alle Daten beziehungsweise alle 69 00:03:59,480 --> 00:04:03,040 Informationen zu diesem Datenleck publik waren, bevor 70 00:04:03,040 --> 00:04:07,800 die Session des CCC Online war und vor dem Hintergrund möchten 71 00:04:07,800 --> 00:04:10,960 wir natürlich gerne die fehlenden Informationen noch 72 00:04:10,960 --> 00:04:12,880 ergänzen. Zum einen. 73 00:04:13,440 --> 00:04:17,120 Die tatsächlich verwendeten Tools, die die Security 74 00:04:17,120 --> 00:04:20,640 Researcher verwendet haben, um letzten Endes an diese Daten zu 75 00:04:20,640 --> 00:04:24,880 kommen, zum einen Subfinder, um die entsprechenden Subdomains zu 76 00:04:24,880 --> 00:04:28,920 scannen, Go Buster, um die Verzeichnisse durchzugehen, und 77 00:04:28,920 --> 00:04:31,760 dort sind sie auch darauf gestoßen, dass dort spring 78 00:04:31,760 --> 00:04:34,320 verwendet wurde als Java Framework. 79 00:04:34,800 --> 00:04:39,840 Und letzten Endes dort der sogenannte Actreator Heepdump 80 00:04:39,840 --> 00:04:43,640 Endpoint erreichbar war. Das ist ein Endpunkt, den man 81 00:04:43,640 --> 00:04:46,840 normalerweise für das Debugging, die Fehleranalyse einer 82 00:04:46,840 --> 00:04:51,240 Applikation verwendet und der mir ein komplettes komplettes 83 00:04:51,240 --> 00:04:54,880 Speicherabbild tatsächlich meiner JVM liefert, welches ich 84 00:04:54,880 --> 00:04:59,040 dann untersuchen kann, und das haben die Researcher dann 85 00:04:59,040 --> 00:05:03,040 entsprechend gemacht, haben ein Tool Visual VM verwendet, um 86 00:05:03,280 --> 00:05:07,040 diesen die Speicherabbild. Abbild, sich darzustellen haben 87 00:05:07,040 --> 00:05:11,680 dort die Credentials für diesen Adws Storage Account gefunden. 88 00:05:11,840 --> 00:05:15,520 Haben dann weiterhin in diesem Speicherabbild mit Strings noch 89 00:05:15,520 --> 00:05:18,840 Klartext Strings gefunden, wo sie halt gesehen haben okay wir 90 00:05:18,840 --> 00:05:22,720 haben da Zugangsdaten für eine andere Applikation, die können 91 00:05:22,720 --> 00:05:25,720 wir vielleicht modifizieren um da noch weitere Informationen 92 00:05:25,720 --> 00:05:29,040 und Daten abzugreifen. Bedeutet die Analyse, die wir in 93 00:05:29,040 --> 00:05:32,320 der letzten Folge hatten, war tatsächlich schon sehr nah dran. 94 00:05:32,320 --> 00:05:35,680 Basierend auf den damals verfügbaren Informationen in der 95 00:05:35,680 --> 00:05:37,800 Presse. Wir wollten halt noch mal die 96 00:05:37,800 --> 00:05:41,200 Details nachliefern für die von euch, die nicht die Zeit hatten, 97 00:05:41,360 --> 00:05:45,160 sich hier die Session vom CCC noch anzuschauen, aber 98 00:05:45,160 --> 00:05:48,880 insbesondere wenn ihr. Noch mehr erfahren wollt zu den 99 00:05:48,960 --> 00:05:53,600 Daten, die letzten Endes dort von Volkswagen, dem Volkswagen 100 00:05:53,600 --> 00:05:56,440 Konzern, erhoben wurden und was man aus diesen Daten für 101 00:05:56,440 --> 00:05:59,800 Informationen rausziehen kann. Dann würde ich definitiv 102 00:05:59,800 --> 00:06:02,680 empfehlen, sich noch mal diese Session anzuschauen, das heißt 103 00:06:02,680 --> 00:06:05,200 der zweite Teil dieser Session dreht sich weniger um die 104 00:06:05,200 --> 00:06:08,320 technischen Aspekte. Wie sind diese Daten letzten 105 00:06:08,320 --> 00:06:11,600 Endes zugreifbar geworden, sondern es geht darum welche 106 00:06:11,600 --> 00:06:14,680 Daten. Wurden dort erhoben von den 107 00:06:14,680 --> 00:06:16,320 ganzen Autofahrerinnen und Autofahrern. 108 00:06:16,480 --> 00:06:18,840 Und was kann man aus diesen Daten rauslesen? 109 00:06:18,840 --> 00:06:22,360 Wir hatten das letzte Mal leicht angeschnitten, aber da gibt es 110 00:06:22,560 --> 00:06:26,280 noch mal eine tiefergehende Analyse eines Datenjournalisten, 111 00:06:26,280 --> 00:06:28,960 der noch mal im Detail beschreibt, wie viele 112 00:06:28,960 --> 00:06:32,560 Informationen zu den Besitzerinnen und Besitzern der 113 00:06:32,560 --> 00:06:36,480 Autos man da rausziehen kann. Und dazu haben wir auch Feedback 114 00:06:36,480 --> 00:06:39,080 von euch bekommen. Den Hinweis, dass wir uns ja mit 115 00:06:39,080 --> 00:06:42,000 diesem Aspekt nur sehr kurz und knapp beschäftigt haben und dass 116 00:06:42,000 --> 00:06:44,840 das ja eigentlich auch ein großer Teil dieses Skandals ist, 117 00:06:44,840 --> 00:06:48,320 dass da einfach immense Datenmengen erhoben werden, für 118 00:06:48,320 --> 00:06:51,640 die es vielleicht gar keinen Business Case gibt und wieso 119 00:06:51,640 --> 00:06:54,800 häufig oder leider so häufig einfach Daten erhoben werden, 120 00:06:54,800 --> 00:06:58,080 weil man es halt kann und es vielleicht so einfach ist und 121 00:06:58,080 --> 00:07:01,560 speicherbillig ist und. Und da wurden wir auch noch mal 122 00:07:01,560 --> 00:07:03,760 darauf hingewiesen, dass es ja eigentlich am besten ist, wenn 123 00:07:03,760 --> 00:07:06,560 Daten gar nicht erhoben werden, weil das ist der beste Schutz 124 00:07:06,560 --> 00:07:09,280 für diese Daten sehen wir absolut genauso. 125 00:07:09,440 --> 00:07:12,000 Wir hatten uns in der letzten Folge tatsächlich auf die 126 00:07:12,160 --> 00:07:14,720 technischen Aspekte konzentriert, um dort auch an 127 00:07:14,720 --> 00:07:18,640 euch Tipps weiterzugeben, wie man selber auch die eigenen 128 00:07:18,640 --> 00:07:21,960 Anwendungen absichert, worauf man achten muss, wenn man solche 129 00:07:21,960 --> 00:07:27,120 Applikationen bereitstellt. Und ja, leider treffen auch wir 130 00:07:27,120 --> 00:07:30,040 als Developer häufig gar nicht die Entscheidung, welche Daten 131 00:07:30,040 --> 00:07:32,080 erhoben werden. Aber dennoch ist es immer 132 00:07:32,080 --> 00:07:36,400 wichtig, diese Datenminimierung auch wirklich vorzunehmen und da 133 00:07:36,400 --> 00:07:39,200 vielleicht auch Pushback zu geben an die entsprechenden 134 00:07:39,440 --> 00:07:42,480 Product Owner, an die entsprechenden Fachabteilungen, 135 00:07:42,480 --> 00:07:45,480 die einem da vielleicht den Auftrag geben, die 136 00:07:45,480 --> 00:07:48,080 Implementierung solcher Datenerfassung vorzunehmen und 137 00:07:48,080 --> 00:07:50,960 da auch immer zu sagen, Hey, habt ihr mal darüber nachgedacht 138 00:07:51,120 --> 00:07:52,400 bei. Braucht ihr diese Daten 139 00:07:52,400 --> 00:07:53,800 eigentlich? Und nur weil wir sie erheben 140 00:07:53,800 --> 00:07:56,880 können, weil sie da sind, heißt es ja nicht, dass wir sie 141 00:07:56,960 --> 00:07:59,600 erheben müssen, und es heißt vor allen Dingen nicht, dass wir sie 142 00:07:59,920 --> 00:08:02,520 über einen extrem langen Zeitraum auch speichern müssen, 143 00:08:02,520 --> 00:08:05,200 weil immer, wenn man Daten irgendwie vorhält, besteht das 144 00:08:05,200 --> 00:08:07,920 Risiko, dass sie in die falschen Hände geraten oder die Falschen. 145 00:08:08,120 --> 00:08:10,160 Informationen da draus generiert werden können. 146 00:08:10,240 --> 00:08:12,560 Ja, und selbst wenn man zu dem Schluss kommt, dass man diese 147 00:08:12,560 --> 00:08:14,880 Daten braucht. Ich glaube, was wir auf jeden 148 00:08:14,880 --> 00:08:17,240 Fall brauchen und mehr brauchen in dieser Industrie, ist diese 149 00:08:17,240 --> 00:08:20,400 Sensibilität dafür, dass das sensible Daten und 150 00:08:20,400 --> 00:08:23,440 schützenswerte Daten sind, das heißt, dass die dann. 151 00:08:24,280 --> 00:08:26,720 Natürlich auch verschlüsselt abgespeichert werden müssen, 152 00:08:26,720 --> 00:08:31,440 sodass man theoretisch auch mit diesem diesen AWSS Three Bucket 153 00:08:31,440 --> 00:08:33,880 Key, der sich dann letztendlich in diesem Memory Dump befunden 154 00:08:33,880 --> 00:08:36,559 hat, auch gar nicht auf die Daten direkt hätte zugreifen 155 00:08:36,559 --> 00:08:37,600 können. Und dass man einfach sich 156 00:08:37,600 --> 00:08:41,600 bewusst sein muss, hey, wir hantieren hier mit hochsensiblen 157 00:08:41,600 --> 00:08:45,680 Daten, das sind Standortdaten, die ja jetzt in dem Datensatz, 158 00:08:45,680 --> 00:08:48,040 den wir erheben, nicht direkt auf ne Person zurückzuführen 159 00:08:48,040 --> 00:08:50,200 sind, aber die sind auf ein Fahrzeug zurückzuführen oder in 160 00:08:50,200 --> 00:08:52,080 einer anderen Tabelle von uns, die dann natürlich auch 161 00:08:52,080 --> 00:08:55,120 irgendwie öffentlich war. Steht drin, wer welches Fahrzeug 162 00:08:55,120 --> 00:08:56,960 fährt. Das heißt, man kann doch relativ 163 00:08:56,960 --> 00:08:58,880 einfach diese Verknüpfung herstellen, dadurch sind das 164 00:08:58,880 --> 00:09:04,480 personenbezogene Daten und deswegen selbst wenn ich jetzt 165 00:09:04,560 --> 00:09:06,680 mein Management nicht davon überzeugt bekomme, dass ich die 166 00:09:06,680 --> 00:09:09,720 nicht sammeln will, weil vielleicht ist es ja durchaus 167 00:09:09,720 --> 00:09:12,160 sinnvoll die zu sammeln, dann muss ich mir wenigstens darüber 168 00:09:12,160 --> 00:09:14,960 bewusst sein, dass die hoch sensibel sind, dass die hoch 169 00:09:14,960 --> 00:09:18,160 schützenswert sind und auch alle technischen Vorkehrungen treffen 170 00:09:18,160 --> 00:09:21,520 und wie gesagt, ja hier ist eine Fehlkonfiguration vorgelegen. 171 00:09:21,920 --> 00:09:24,640 Aber es sind auch nicht alle technischen Vorkehrungen 172 00:09:24,640 --> 00:09:27,880 getroffen, diese Daten dann entsprechend zu verschlüsseln. 173 00:09:27,880 --> 00:09:31,640 Die hätten, selbst wenn man den Zugang zu der Datenbank hat, 174 00:09:31,640 --> 00:09:34,800 nicht einfach so da rauskommen dürfen und ich glaube, das zeigt 175 00:09:34,800 --> 00:09:40,600 dieser dieser Vortrag vom CCC, vom Chaos Computer Kongress auch 176 00:09:40,600 --> 00:09:43,960 noch mal sehr gut. Kann auch gerne, wer das noch 177 00:09:43,960 --> 00:09:45,760 noch nicht gemacht hat, die letzte Folge noch mal nachhören. 178 00:09:45,760 --> 00:09:47,600 Da haben malte und ich uns wie gesagt sehr um auf die 179 00:09:47,600 --> 00:09:50,560 technischen Facetten fokussiert, weil ich glaub das ist so für 180 00:09:50,560 --> 00:09:53,280 die für die Audienz hier vom Podcast am wichtigsten und 181 00:09:53,440 --> 00:09:55,200 gerade mit dieser Medienwirksamkeit auch wichtig. 182 00:09:55,200 --> 00:09:59,760 Was können wir als Developer, als Systemadministratoren, als 183 00:09:59,760 --> 00:10:03,040 Operations Teams, was können wir davon lernen, ich glaub, das 184 00:10:03,040 --> 00:10:04,880 haben wir ganz gut aufgearbeitet, wir verlinken 185 00:10:04,880 --> 00:10:07,360 aber auch in dieser Folge oder unter dieser Folge in der 186 00:10:07,360 --> 00:10:09,680 Beschreibung. Noch mal diesen sehr, sehr 187 00:10:09,680 --> 00:10:13,440 sehenswerten Vortrag von Chaos Computer Kongress, wo wie gesagt 188 00:10:13,520 --> 00:10:15,920 ein bisschen weniger der technische Fokus gelingen wird, 189 00:10:15,920 --> 00:10:18,800 sondern deutlich mehr dieser Fokus auf die Daten selbst und 190 00:10:18,960 --> 00:10:23,520 ob es nötig war, die zu sammeln. Und wie gesagt, das ist sehr, 191 00:10:23,840 --> 00:10:27,480 sehr sehenswert und schon ist es auch interessant, wie dann so 192 00:10:27,480 --> 00:10:29,880 durch die in den letzten Tagen und Wochen halt immer mehr 193 00:10:29,880 --> 00:10:32,480 Informationen darüber an die Öffentlichkeit kommen und. 194 00:10:33,880 --> 00:10:35,400 Können wir uns, glaube ich, können wir uns gegenseitig 195 00:10:35,400 --> 00:10:36,560 bisschen auf die Schulter klopfen? 196 00:10:36,560 --> 00:10:38,880 Malte, ich glaube, wir haben das mit den wenigen Informationen, 197 00:10:38,880 --> 00:10:42,920 die wir hatten, sehr gut ja rekonstruieren können hier 198 00:10:42,920 --> 00:10:47,320 diese, diese Digital Crime Scene war ich ja, hab ich mich ja hab 199 00:10:47,320 --> 00:10:49,600 ich mich ein bisschen gefreut, dass ich dann als sie, als dass 200 00:10:49,600 --> 00:10:51,040 ich sie dann am Ende rausgestellt hab, dass das 201 00:10:51,040 --> 00:10:53,880 tatsächlich sehr ähnlich zu dem war, was wir da letzte Folge 202 00:10:53,880 --> 00:10:55,760 besprochen haben. Genau. 203 00:10:55,840 --> 00:10:59,600 Ja, und letzten Endes wird an allen möglichen Stellen 204 00:10:59,600 --> 00:11:03,600 heutzutage solche Datensammlungen durchgeführt. 205 00:11:03,840 --> 00:11:06,440 Und ich arbeite ja mit Unternehmen in diversen 206 00:11:06,440 --> 00:11:08,720 Industrien zusammen. Automobilindustrie, aber auch 207 00:11:08,720 --> 00:11:12,240 andere Industrien, wo auch solche Daten vielfach erhoben 208 00:11:12,240 --> 00:11:14,400 werden. Und natürlich hatten da auch 209 00:11:14,640 --> 00:11:16,640 alle Schweißperlen auf der Stirn. 210 00:11:16,640 --> 00:11:18,320 Hoffentlich sind nicht wir betroffen. 211 00:11:18,920 --> 00:11:23,760 Und am Ende kann es irgendwie fast uns allen passieren und wir 212 00:11:23,760 --> 00:11:25,920 müssen uns wirklich Gedanken darüber machen, welche Daten 213 00:11:25,920 --> 00:11:28,800 erfassen wir und haben wir diese geschützt. 214 00:11:29,200 --> 00:11:32,160 Jetzt ist es aufgefallen, jetzt ist es schief gegangen bei einer 215 00:11:32,160 --> 00:11:35,200 Firma, aber es kann jederzeit noch andere Unternehmen treffen 216 00:11:35,280 --> 00:11:38,240 und ich glaube, jetzt ist ein idealer Zeitpunkt mal wieder 217 00:11:38,240 --> 00:11:42,320 sich intensiv noch mal mit dem Thema Datensicherheit 218 00:11:42,320 --> 00:11:46,960 auseinanderzusetzen. Von Daten, die bei VW verloren 219 00:11:46,960 --> 00:11:49,680 gegangen sind. Zu der Programmiersprache für 220 00:11:49,680 --> 00:11:53,040 Daten und damit auch zu dem Thema der heutigen Folge zu 221 00:11:53,200 --> 00:11:56,440 Python. Wir wollen gar nicht so ne so ne 222 00:11:56,440 --> 00:11:58,720 komplette Python folge machen und irgendwie erklären wie 223 00:11:58,720 --> 00:12:01,160 Python funktioniert, sondern eher das Phänomen so n bisschen 224 00:12:01,160 --> 00:12:04,600 beleuchten, dass Python wirklich wie eine Rakete in den letzten 225 00:12:04,600 --> 00:12:08,200 Jahren jetzt wie Intro schon erwähnt auf Platz 1 der Charts 226 00:12:08,200 --> 00:12:09,760 der populärsten Sprachen überhaupt. 227 00:12:10,320 --> 00:12:13,360 Im Internet und in dieser Welt geschossen ist und auch lange 228 00:12:13,360 --> 00:12:15,760 von vielen belächelt wurde, weil es so eine simple 229 00:12:15,760 --> 00:12:17,760 Polemiersprache ist. Und wir schauen uns jetzt diese 230 00:12:17,760 --> 00:12:19,680 Folge so ein bisschen, dieses Phänomen Python so ein bisschen 231 00:12:19,680 --> 00:12:23,120 an und vor allem auch warum, da glaube ich, so schnell kein Ende 232 00:12:23,120 --> 00:12:26,640 in Sicht ist von diesem kometenhaften Aufstieg und warum 233 00:12:26,640 --> 00:12:30,160 Python vor allem in der AI Welt, die ja auch sich quasi immer 234 00:12:30,160 --> 00:12:33,760 mehr in den Vordergrund denkt, drängt in unserer Industrie so 235 00:12:33,760 --> 00:12:37,200 eine große Rolle spielt. Malte, was ist deine Beziehung 236 00:12:37,200 --> 00:12:39,600 zu Python? Bist du Python Developer, bist 237 00:12:39,600 --> 00:12:42,600 du Python Fan, bist du Python Kritiker, hast du versucht einen 238 00:12:42,600 --> 00:12:47,320 Bogen drum zu machen, wie siehst du wenn du wenn du Python hörst, 239 00:12:47,360 --> 00:12:51,520 woran denkst du als erstes? Ja, tatsächlich habe ich bis vor 240 00:12:51,520 --> 00:12:54,640 10 Jahren kaum Kontakt mit Python gehabt. 241 00:12:54,640 --> 00:12:57,600 Ich hatte immer in meinem Umfeld einige Leute, die Python geliebt 242 00:12:57,600 --> 00:12:59,440 haben, die sehr gerne Applikationen, gerade 243 00:12:59,440 --> 00:13:02,000 webapplikationen, auch mit Python gebaut haben, da gibt es 244 00:13:02,000 --> 00:13:04,240 ja auch diverse Frameworks, die seit vielen, vielen Jahren 245 00:13:04,240 --> 00:13:07,560 populär sind. Die Sprache gibt es seit den 246 00:13:07,560 --> 00:13:11,160 Neunzigern, ist also durchaus schon ne sehr etablierte alte 247 00:13:11,160 --> 00:13:14,960 Technologie, aber erst so in den letzten 1015 Jahren hat so 248 00:13:15,040 --> 00:13:19,600 Python wie du gerade sagtest, so diesen riesen Boom erlebt, dass 249 00:13:19,600 --> 00:13:22,240 immer mehr Leute, die sich vielleicht in der Vergangenheit 250 00:13:22,240 --> 00:13:24,720 nicht damit auseinandergesetzt haben, weil sie so wie ich 251 00:13:24,800 --> 00:13:28,080 vielleicht mit der Syntax nicht so warm geworden sind, einfach 252 00:13:28,080 --> 00:13:30,160 auch der Art und Weise, wie man diese Applikation. 253 00:13:30,600 --> 00:13:34,960 Baut und strukturiert nicht die richtige Beziehung dazu hatten, 254 00:13:35,600 --> 00:13:39,680 dass ganz viele Leute sich durch diesen ganzen Boom im Bereich 255 00:13:40,000 --> 00:13:45,600 Big Data, Data Science, Machine Learning angefangen haben, sich 256 00:13:45,600 --> 00:13:48,920 mit dem Thema Python als eigentlich die Standardsprache 257 00:13:48,920 --> 00:13:51,560 in dem Bereich auseinanderzusetzen und so war 258 00:13:51,560 --> 00:13:54,800 es auch bei mir vor, ich glaube knapp. 8 Jahren hatte ich zum 259 00:13:54,800 --> 00:13:58,120 ersten Mal tatsächlich Berührungspunkte mit Python, 260 00:13:58,120 --> 00:14:00,320 dass ich mich hingesetzt habe und mal so ein Python vor 261 00:14:00,320 --> 00:14:06,400 Beginners Kurs gemacht habe, weil ich halt in dem Bereich so 262 00:14:06,960 --> 00:14:12,320 Datenanalyse Data Science für Machine Learning einfach nicht 263 00:14:12,320 --> 00:14:14,160 mehr drumherum kam. Entweder. 264 00:14:14,800 --> 00:14:17,840 Python oder eine der anderen Sprachen, die in diesem Bereich 265 00:14:17,840 --> 00:14:20,240 populär sind, mir anzuschauen. Ich hatte mich dann für Python 266 00:14:20,240 --> 00:14:24,200 entschieden, weil Python die vielseitigste der Sprachen in 267 00:14:24,200 --> 00:14:27,680 diesem Bereich ist und hatte dann auch mal so ein 2 268 00:14:27,680 --> 00:14:29,280 Onlinekurse gemacht, habe mich ein bisschen damit 269 00:14:29,360 --> 00:14:32,640 auseinandergesetzt, wie kann ich mit diesen Standard Libraries 270 00:14:32,880 --> 00:14:36,240 gerade auf Basis von und da sprechen wir gleich noch mal ein 271 00:14:36,240 --> 00:14:39,440 bisschen drüber, von solchen Jupiter Notebooks, wo ich sehr 272 00:14:39,440 --> 00:14:43,360 interaktiv mit Python und meinen Daten arbeiten kann. 273 00:14:45,440 --> 00:14:49,840 Habe ich den Einstieg gemacht und darüber hinaus tatsächlich 274 00:14:49,840 --> 00:14:52,960 nie wirklich mit Python entwickelt. 275 00:14:53,040 --> 00:14:58,640 Aber genau wie das Thema auch dieser Folge bin ich halt einer 276 00:14:58,640 --> 00:15:03,960 derjenigen, der für das Thema Daten und Machine Learning mit 277 00:15:03,960 --> 00:15:07,440 Python angefangen hat und ich glaube, es ist bei ganz vielen 278 00:15:07,440 --> 00:15:11,200 auch so, dass das einer der Haupt Use Cases für diese 279 00:15:11,200 --> 00:15:13,960 Sprache zumindest heute ist. Ich. 280 00:15:14,000 --> 00:15:15,920 Ja, ganz interessant, dass du gerade sagtest, dass du mit der 281 00:15:15,920 --> 00:15:19,120 Syntax nicht so warm geworden bist am Anfang und ich glaube, 282 00:15:19,680 --> 00:15:22,480 ich glaube, ich kann beobachten, dass es viele Menschen so geht, 283 00:15:22,480 --> 00:15:25,600 die nicht mit Python anfangen, also die irgendwie andere 284 00:15:25,600 --> 00:15:29,000 Programmiersprachen gut beherrschen auch und auch schon 285 00:15:29,000 --> 00:15:31,040 länger machen, für die sieht Python immer so n bisschen 286 00:15:31,840 --> 00:15:37,440 schmutzig aus, weil das. Ja, weil da stehen halt viele 287 00:15:37,440 --> 00:15:40,880 Worte, da wird wenig mit irgendwelchen Sonderzeichen 288 00:15:40,880 --> 00:15:43,440 gearbeitet, da gibt es kein Semikolon am Ende der Zeile, da 289 00:15:43,440 --> 00:15:45,040 gibt es keine Geschworenen, ganz furchtbar. 290 00:15:45,200 --> 00:15:49,120 Ganz furchtbar ne, wenn man gerade so mit irgendwie Java C 291 00:15:49,120 --> 00:15:52,960 plus plus C Sharp gearbeitet hat in der Vergangenheit und dann 292 00:15:52,960 --> 00:15:56,000 zuerst mal mit Python zu tun hat, denkt man, WOW, das ist 293 00:15:56,000 --> 00:15:57,440 jetzt völlig anderes was die Syntax. 294 00:15:57,440 --> 00:16:00,320 Betrifft und. Ich glaub auch, wenn man von der 295 00:16:00,320 --> 00:16:02,240 anderen Seite kommt, wenn man gerade 9 ne Programmiersprache 296 00:16:02,240 --> 00:16:04,320 lernt oder das vielleicht so die erste Programmiersprache ist, 297 00:16:04,320 --> 00:16:06,440 die man lernt, dann wird sie glaub ich von vielen als 298 00:16:06,440 --> 00:16:10,440 wahnsinnig einsteigerfreundlich wahrgenommen und das liegt vor 299 00:16:10,440 --> 00:16:13,200 allem einfach daran, dass Python eben genau das was so ne 300 00:16:13,200 --> 00:16:16,400 Programmiersprache vielleicht erst mal so abschreckend auf 301 00:16:16,560 --> 00:16:19,360 normale Menschen in Anführungszeichen macht. 302 00:16:19,920 --> 00:16:21,920 Das gibt es in Python nicht ganz viel, was. 303 00:16:22,560 --> 00:16:26,160 Was Sonderzeichen sind in anderen Polemiersprachen, deren 304 00:16:26,160 --> 00:16:28,160 Bedeutung man dann erstmal irgendwie lernen muss, sind halt 305 00:16:28,160 --> 00:16:33,320 englische Wörter in Python und ich habe mir einfach mal den 306 00:16:33,320 --> 00:16:36,000 Spaß gemacht, ich habe das hier in unseren Notizen mal rein 307 00:16:36,000 --> 00:16:38,560 gemacht, wenn du dir einfach mal anguckst, wieso ein Hello World 308 00:16:38,560 --> 00:16:41,960 Beispiel aussieht im Vergleich Python und im Vergleich, ich 309 00:16:41,960 --> 00:16:44,240 habe es erstmal Java genommen, so als auch sehr sehr populäre 310 00:16:44,240 --> 00:16:46,080 Polemiersprache vor allem im deutschsprachigen Raum. 311 00:16:47,200 --> 00:16:49,320 Wenn du in Python Hello World schreibst, machst du eine neue 312 00:16:49,320 --> 00:16:51,520 Datei auf die nennst du irgendwie keine Ahnung App Punkt 313 00:16:51,520 --> 00:16:53,360 py. Und dann schreibst du da rein 314 00:16:53,360 --> 00:16:57,520 Print Klammer auf und dann in Anführungszeichen Hello World 315 00:16:57,680 --> 00:17:02,960 Klammer zu eine einzige Zeile du musst nichts nichts importieren, 316 00:17:02,960 --> 00:17:06,079 du musst nichts wie definieren und Java brauchst du halt 317 00:17:06,079 --> 00:17:08,599 erstmal eine Klasse. Also Java ist halt wie Public 318 00:17:08,599 --> 00:17:11,000 Class Hello World geschwungene Klammer auf, dann brauchst du 319 00:17:11,000 --> 00:17:13,680 dann musst du wissen, dass die Standard Methode irgendwie 320 00:17:13,680 --> 00:17:18,240 public static void main ist. Übergibt in String Ari Array mit 321 00:17:18,240 --> 00:17:20,520 Argumenten. Weil du sie vielleicht auch aus 322 00:17:20,520 --> 00:17:22,000 der von der Kommandozeile aufrufen könntest. 323 00:17:22,000 --> 00:17:24,680 Wieder geschwungene Klammer auf und dann, wenn du was, wenn du 324 00:17:24,680 --> 00:17:26,560 was irgendwie ausgeben willst, schreibst du einfach Print, da 325 00:17:26,560 --> 00:17:30,400 schreibst du System dot out dot Print Line und dann wieder in 326 00:17:30,680 --> 00:17:32,120 Klammer auf in Anführungszeichen. 327 00:17:32,120 --> 00:17:34,800 Hello World mussten Semikolon ans Ende von dieser Zeile 328 00:17:34,800 --> 00:17:38,000 setzen, aber nicht ans Ende der anderen Zeilen muss dann eine 329 00:17:38,000 --> 00:17:40,440 geschwungene Klammer zu machen für die Main Methode muss dann 330 00:17:40,440 --> 00:17:42,560 noch mal eine geschwungene Klammer zu machen für die Class 331 00:17:42,560 --> 00:17:45,440 Methode kannst es dann auch nicht direkt ausführen, muss das 332 00:17:45,440 --> 00:17:47,040 halt erstmal auch irgendwie kompilieren zu einer 333 00:17:47,040 --> 00:17:51,440 kompilierbaren Datei und. Und das alles also da hast du 334 00:17:51,440 --> 00:17:53,760 natürlich schon viele, viele Konzepte, die du erstmal lernen 335 00:17:53,760 --> 00:17:55,400 musst, bis du zu einem Hello World kommst. 336 00:17:55,400 --> 00:17:57,960 Du musst wissen, was sind Klassen, du musst ein bisschen 337 00:17:57,960 --> 00:18:00,160 was über Typisierung lernen. Was ist denn dieses String 338 00:18:00,200 --> 00:18:02,560 Array, was ich da mitnehmen, mitgeben muss? 339 00:18:02,560 --> 00:18:05,360 Du hast zumindest schon mal 23 Dateien, die dann den Sourcecode 340 00:18:05,360 --> 00:18:08,160 und das Kompilat und bei irgendwelchen Frameworks, wir 341 00:18:08,160 --> 00:18:09,840 hatten eben über springen gesprochen und springboot 342 00:18:09,840 --> 00:18:13,960 gesprochen in diesem VW Kontext, da hast du direkt irgendwie 30 343 00:18:13,960 --> 00:18:15,920 boilerplate Dateien und so was und. 344 00:18:16,760 --> 00:18:20,560 Ich glaube, Einsteigerfreundlich ist Python schon sehr für, vor 345 00:18:20,640 --> 00:18:22,760 allem für Leute, die nicht seit vielen, vielen Jahren 346 00:18:22,760 --> 00:18:26,200 programmieren. Und vor allem ist Python, wenn 347 00:18:26,200 --> 00:18:28,400 man da einmal irgendwie so sein Gehirn n bisschen umgeschaltet 348 00:18:28,400 --> 00:18:32,240 hat, sehr sehr lesbar. Auch ich finde also ich hab zum 349 00:18:32,240 --> 00:18:34,920 Beispiel ich hab nie richtig nie Python aktiv gelernt, ich hab 350 00:18:34,920 --> 00:18:37,040 nie nie so wie du gesagt hast, irgendwie mal so n Beginners 351 00:18:37,040 --> 00:18:39,600 Kurs gemacht, sondern einfach. Dadurch, dass ich immer mal 352 00:18:39,600 --> 00:18:42,120 wieder Python Code gelesen und dann hier und da mal Python Code 353 00:18:42,120 --> 00:18:44,960 selber geschrieben oder mal mit jemandem zusammengearbeitet 354 00:18:44,960 --> 00:18:48,640 habe, der Python geschrieben hat, das so ein bisschen ist das 355 00:18:48,640 --> 00:18:50,800 so ein bisschen Learning by doing gekommen und ich glaube, 356 00:18:50,800 --> 00:18:53,600 dass das eine der großen Magien von dieser Sprache ist, diese 357 00:18:54,000 --> 00:18:57,240 Simplizität, die einem als erfahrener Programmierer erstmal 358 00:18:57,240 --> 00:19:00,160 Angst machen, wo, wo, wo weiß ich denn hier wo irgendwas 359 00:19:00,160 --> 00:19:02,560 anfängt und und aufhört, dass ne jeder, der so ein bisschen 360 00:19:02,560 --> 00:19:04,960 Erfahrung mit komplexen Programmiersprachen hat, weiß. 361 00:19:05,360 --> 00:19:08,560 So diese Simplizität, die kann auch schnell irgendwie eine 362 00:19:08,560 --> 00:19:11,440 Fehlerquelle sein, wenn so viel von einem Weg abstrahiert wird. 363 00:19:11,840 --> 00:19:14,240 Aber ich glaube, das macht den Einstieg in Python so einfach 364 00:19:14,240 --> 00:19:17,120 und man kann glaube ich auch, also fast jeder kann Python so 365 00:19:17,120 --> 00:19:20,120 ein bisschen lesen, gerade weil es auch sehr strukturell, ja 366 00:19:20,120 --> 00:19:24,040 abgearbeitet wird, und das ist mit Sicherheit Teil Teil des 367 00:19:24,040 --> 00:19:27,840 Erfolgs von dieser Sprache. Wir haben viele, die in diesem 368 00:19:27,840 --> 00:19:30,960 Bereich Data Science, Machine Learning unterwegs sind, sind 369 00:19:30,960 --> 00:19:33,440 vielleicht auch nicht von Haus aus Developer. 370 00:19:33,440 --> 00:19:37,440 Das sind Leute, die sich mit Daten beschäftigen, die sehr 371 00:19:37,680 --> 00:19:41,240 strukturiert und logisch denken können, die aber halt viele 372 00:19:41,240 --> 00:19:43,440 dieser Programmierkonzepte vielleicht nicht von der Pike 373 00:19:43,440 --> 00:19:47,120 auf gelernt haben und damit natürlich mit Python einen sehr 374 00:19:47,120 --> 00:19:50,160 guten Einstieg haben. Und ein Punkt, den du gerade so 375 00:19:50,160 --> 00:19:53,080 im Vorbeigehen kurz genannt hattest, den finde ich 376 00:19:53,080 --> 00:19:55,760 eigentlich ganz wichtig, dass es eine interpretierte Sprache ist. 377 00:19:56,640 --> 00:19:59,080 Und das ist auch einer der Gründe, warum Python, glaube 378 00:19:59,080 --> 00:20:00,960 ich, so beliebt ist. Ich muss es nicht kompilieren, 379 00:20:01,600 --> 00:20:05,360 so ähnlich, warum ein ähnlicher Grund, warum auch Java Script so 380 00:20:05,800 --> 00:20:07,520 populär ist. Ich kann einfach irgendwie eine 381 00:20:07,520 --> 00:20:10,840 Zeile Code schreiben, ich kann Sie ausführen, ohne dass ich 382 00:20:10,840 --> 00:20:13,680 jetzt. Erstmal noch irgendwie was bauen 383 00:20:13,680 --> 00:20:16,280 muss, was ich dann letzten Endes ausführe, wenn ich die 384 00:20:16,280 --> 00:20:18,440 entsprechenden Tools installiert habe, ist es natürlich auch mit 385 00:20:18,440 --> 00:20:22,720 Sprachen wie wie Java oder CE Sharp ähnlich einfach, dass ich 386 00:20:22,720 --> 00:20:25,960 einfach im Debugger den Debugger starten kann und meine Anwendung 387 00:20:25,960 --> 00:20:28,240 wird ausgeführt. Aber natürlich habe ich im 388 00:20:28,240 --> 00:20:31,480 Hintergrund immer noch diese Kompilierungsprozesse, die dann 389 00:20:31,480 --> 00:20:34,000 laufen und die dann die Anwendung dann entsprechend 390 00:20:34,000 --> 00:20:36,840 nachher. Mit meinem Debugger entsprechend 391 00:20:36,840 --> 00:20:39,400 ausführen. Von daher ist glaube ich das was 392 00:20:39,400 --> 00:20:41,920 du sagst ein ganz wichtiger Grund, dass es einfach 393 00:20:41,920 --> 00:20:47,760 zugänglich ist und dadurch, dass es für viele Data Scientists und 394 00:20:47,800 --> 00:20:50,640 Menschen im Bereich Machine Learning so zugänglich ist und 395 00:20:50,640 --> 00:20:54,720 war, hat sich natürlich ein immenses Ekosystem darum 396 00:20:54,720 --> 00:20:57,840 entwickelt. Das Ganze ist ja Open Source, 397 00:20:57,840 --> 00:21:01,760 Python ist Open Source, man kann den Quellcode herunterladen und 398 00:21:01,760 --> 00:21:06,400 es ist natürlich eine riesige. Community entstanden und gerade 399 00:21:06,400 --> 00:21:12,720 auch im im Vergleich vielleicht zu zu Java oder der Net Welt ist 400 00:21:12,720 --> 00:21:17,200 es so, dass man einen unsagbar großen Fundus von Libraries in 401 00:21:17,200 --> 00:21:19,920 der Open Source Community hat, die man nutzen kann. 402 00:21:20,080 --> 00:21:24,400 Gerade in diesem Bereich der. Data Science, Machine Learning 403 00:21:24,400 --> 00:21:27,120 und AI. Und das macht es für mich 404 00:21:27,120 --> 00:21:30,960 natürlich sehr einfach, in das Thema einzusteigen, insbesondere 405 00:21:30,960 --> 00:21:35,200 weil ganz viele der Beispiele auf diesen Tools aufbauen und 406 00:21:35,280 --> 00:21:38,960 diese Tools natürlich auch ganz viel entsprechend von mir weg 407 00:21:38,960 --> 00:21:40,760 abstrahieren. Ja, genau wie du sagst. 408 00:21:40,760 --> 00:21:43,640 Ich kann halt einfach es reichen 23 Zeilen, das heißt wenn man 409 00:21:43,640 --> 00:21:45,920 sich vorstellt wo das wie es populär geworden ist, ist in 410 00:21:45,920 --> 00:21:47,400 dieser Datenwelt. Ich habe irgendwie große 411 00:21:47,400 --> 00:21:50,880 Tabellen, ich habe große Mengen an Daten, die irgendwo liegen in 412 00:21:50,880 --> 00:21:53,840 so einem Data Lake und. Und dann baue ich mir einfach so 413 00:21:53,840 --> 00:21:56,680 ne so ne Pipeline wie Daten gehen von links nach werden von 414 00:21:56,680 --> 00:21:59,680 links nach rechts geschoben und ich möchte alle Datensätze kurz 415 00:21:59,680 --> 00:22:02,560 transformieren und das mache ich, indem ich auch wirklich nur 416 00:22:02,560 --> 00:22:05,360 die Zeilen schreibe, die ich benötige und diese Daten 417 00:22:05,360 --> 00:22:10,160 anfassen mit ganz ganz vielen Tools, die in dieser Python 418 00:22:10,160 --> 00:22:11,960 Standard Library schon mitkommen. 419 00:22:11,960 --> 00:22:16,080 Also das ist das das quasi was Python im Framework Mitshippt, 420 00:22:16,240 --> 00:22:18,640 ohne dass ich mir irgendwie n externes Package dazu holen 421 00:22:18,640 --> 00:22:20,800 muss, wo es auch unfassbar viele von. 422 00:22:21,360 --> 00:22:24,320 Von von gibt. Aber es gibt einfach da wirklich 423 00:22:24,560 --> 00:22:28,080 sehr sehr viele Tools, die vor allem im Data Science Bereich. 424 00:22:28,080 --> 00:22:32,640 Also ich denk mal irgendwie nur nampai und Pandas und Matt Plot 425 00:22:32,640 --> 00:22:35,760 Lip zum Plotten und und so weiter die da einfach 426 00:22:35,760 --> 00:22:38,600 mitgeschippt werden, das heißt ganz viele von den Aufgaben die 427 00:22:38,600 --> 00:22:41,840 Data Scientists und Data Data Engineers haben, können Sie in 428 00:22:41,840 --> 00:22:46,400 Python eben lösen ohne eine. Eine externe Library 429 00:22:46,400 --> 00:22:48,800 mitzubringen, die man dann irgendwie versionieren und 430 00:22:48,800 --> 00:22:52,240 updaten muss und immer erstmal installieren muss und so weiter 431 00:22:53,120 --> 00:22:55,600 und das Macht, das macht Python eben auch sehr, sehr mächtig, 432 00:22:55,600 --> 00:23:00,680 dass es a sehr erweiterbar ist, weil es wahnsinnig viele 433 00:23:00,680 --> 00:23:05,600 Extensions gibt und. Und B eben schon sehr, sehr sehr 434 00:23:05,600 --> 00:23:08,120 sehr viel mit der Standard Library mitbringt, was sie 435 00:23:08,120 --> 00:23:11,680 wirklich nützlich ist und das dann auch oft die Komplexität 436 00:23:11,680 --> 00:23:14,160 davon sehr leicht weg abstriert. Also das wirklich eine wirklich 437 00:23:14,160 --> 00:23:18,080 ein 2 in ein 2 Zeilen code ich da wirklich die fantastischsten 438 00:23:18,080 --> 00:23:22,160 Sachen mache, weil ganz ganz viele Menschen die für Python 439 00:23:22,160 --> 00:23:26,040 Extensions und Libraries schreiben, die Schreiben das 440 00:23:26,040 --> 00:23:29,200 vielleicht sogar in C plus plus oder sowas und. 441 00:23:29,800 --> 00:23:31,920 Packen da einfach nur n Python Interface drüber, also bauen 442 00:23:31,920 --> 00:23:36,240 sehr komplexe Sachen und machen sie aber sehr leicht zugänglich, 443 00:23:36,240 --> 00:23:40,000 indem sie eine eine sehr leicht zu bedienende Python library da 444 00:23:40,000 --> 00:23:43,160 um da drumherum schreiben und das ist mit Sicherheit auch Teil 445 00:23:43,160 --> 00:23:46,000 des Erfolges. Ja, gerade wenn man dann in so 446 00:23:46,000 --> 00:23:50,400 komplexere Szenarien im Bereich Machine Learning und AI 447 00:23:50,400 --> 00:23:55,040 reingeht, gibt es, gibt es so Standard Libraries wie wie PI 448 00:23:55,040 --> 00:23:59,680 Torch, wie Tensor Flow, die ja sehr komplexe Dinge tun, die tun 449 00:23:59,680 --> 00:24:02,400 sie aber. In einer Art und Weise, die für 450 00:24:02,400 --> 00:24:07,040 den den User, der mit diesen Daten arbeitet, über Python in 451 00:24:07,040 --> 00:24:09,440 einer gut nachvollziehbaren Art und Weise. 452 00:24:09,440 --> 00:24:10,960 Es gibt die entsprechenden Dokus. 453 00:24:10,960 --> 00:24:13,840 Ich kann diese Libraries sehr einfach einsetzen und ich kann 454 00:24:13,840 --> 00:24:18,560 das vor allen Dingen vielfach auch sehr interaktiv tun, und da 455 00:24:18,560 --> 00:24:22,520 mir dann für jeden dieser Schritte in anderen Sprachen, 456 00:24:22,520 --> 00:24:24,720 würde ich dann vielleicht irgendwie mir immer was auf der. 457 00:24:25,160 --> 00:24:29,040 Konsole ausgeben nach jedem Schritt um zu schauen, OK wo bin 458 00:24:29,040 --> 00:24:30,960 ich gerade diesen Prozess habe ich in jedem Schritt das 459 00:24:30,960 --> 00:24:34,880 Richtige getan, gibt es hier mit solchen Dingen wie Jupiter 460 00:24:34,880 --> 00:24:39,760 Notebooks sehr interaktive User Interfaces wo ich den jeden 461 00:24:39,760 --> 00:24:42,720 Schritt nach und nach durchlaufen kann und mir die 462 00:24:42,720 --> 00:24:44,400 Ergebnisse von jedem Schritt auch. 463 00:24:44,920 --> 00:24:48,160 Anzeigen lassen kann und das Ganze mit einer Art 464 00:24:48,160 --> 00:24:51,520 Dokumentation ergänzen kann und dann am Ende wirklich so ein 465 00:24:51,680 --> 00:24:55,760 Notizbuch habe, wo jeder meiner Schritte zunächst erstmal 466 00:24:55,760 --> 00:24:59,360 beschrieben wird, wo ich für andere Menschen sagen kann, was 467 00:24:59,360 --> 00:25:00,880 mache ich mit den Daten. Ich kann vielleicht auch 468 00:25:00,880 --> 00:25:04,400 brainstormen, schreib dann die entsprechenden Zeilen Python 469 00:25:04,400 --> 00:25:07,520 Code und kann dann Schritt für Schritt das Ganze in diesem 470 00:25:07,520 --> 00:25:12,240 Notebook auch evaluieren und. Und nach und nach immer weiter 471 00:25:12,240 --> 00:25:16,000 verfeinern, bis ich dann am Ende zu dem Ergebnis komme, was ich 472 00:25:16,000 --> 00:25:17,760 möchte. Und dann kann ich natürlich das 473 00:25:17,760 --> 00:25:22,440 Ganze dann später für die Produktion herausziehen und dann 474 00:25:22,440 --> 00:25:24,560 natürlich auf einem anderen System laufen lassen. 475 00:25:24,640 --> 00:25:28,960 Aber gerade wenn ich solche Daten zum ersten Mal analysiere, 476 00:25:28,960 --> 00:25:32,800 strukturiere transformiere, wie du es gerade gesagt hattest, 477 00:25:32,800 --> 00:25:35,560 sind natürlich solche interaktiven Formate wie Jupiter 478 00:25:35,560 --> 00:25:38,960 Notebooks ideal. Und da hat natürlich auch. 479 00:25:40,000 --> 00:25:43,440 Python so ein bisschen so ein ja nicht, nicht ein 480 00:25:43,440 --> 00:25:46,880 Alleinstellungsmerkmal, aber etwas, wofür es wirklich auch 481 00:25:47,360 --> 00:25:49,360 sehr bekannt und populär geworden ist. 482 00:25:50,880 --> 00:25:52,960 Ja, es hat auf jeden Fall auch diese Jupiter Notebooks 483 00:25:54,240 --> 00:25:56,200 eingeführt in den Markt. Mittlerweile gibt es auch für 484 00:25:56,200 --> 00:25:58,200 andere Programmiersprachen, also ich kenne es aus der Sea Shop 485 00:25:58,200 --> 00:25:59,880 Welt, dass die das auch so ein bisschen übernommen haben, dass 486 00:25:59,880 --> 00:26:02,720 ich das da auch irgendwie machen kann, so Zeile für Zeile auch 487 00:26:02,720 --> 00:26:04,720 Komi Code ausführen, zwischendurch so ein bisschen 488 00:26:04,720 --> 00:26:06,840 markdown schreiben, also wer das noch wer das noch gar nicht 489 00:26:06,840 --> 00:26:08,000 gesehen hat noch nie gesehen hat. 490 00:26:08,320 --> 00:26:11,480 Jupiter Notebook ist eine. Eigentlich eine Datei, die 491 00:26:11,480 --> 00:26:14,960 verbindet einen Python. Wenn wir jetzt über diese Python 492 00:26:14,960 --> 00:26:18,120 Jupiter Notebooks sprechen einen Python kernel indem ich was ich 493 00:26:18,120 --> 00:26:20,720 muss dem Ding einmal sagen, womit möchtest du ausführen was 494 00:26:20,720 --> 00:26:23,840 hier steht soll ich mit der installierten Version von Python 495 00:26:23,840 --> 00:26:25,680 3.6 die bei mir auf dem Rechner ist. 496 00:26:25,680 --> 00:26:28,360 Das muss ich mal einmal sagen und dann ist das wie malte 497 00:26:28,360 --> 00:26:30,400 gerade schon beschrieben hat wieso ein Mark down Pfeil 498 00:26:30,400 --> 00:26:34,880 eigentlich also ich ich schreibe in Mark down und in in so Code 499 00:26:35,040 --> 00:26:38,880 Segmenten runter. Worum es geht in meiner 500 00:26:38,880 --> 00:26:43,240 Datenanalyse oder in meinem meiner Datentransformation, das 501 00:26:43,240 --> 00:26:46,080 ist ganz viel dieser Datenwelt eben und kann dann wirklich 502 00:26:46,080 --> 00:26:48,520 diese einzelnen Codeblöcke, die man ja auch irgendwie aus Mark 503 00:26:48,520 --> 00:26:50,480 Down nennt, wenn man diese 3 Back Ticks macht, dann hat mir 504 00:26:50,480 --> 00:26:52,880 aus dem Codeblock, daher schreibe ich halt dann Code rein 505 00:26:52,880 --> 00:26:55,920 und den kann ich dann ausführen Codeblock für Codeblock und 506 00:26:55,920 --> 00:26:58,320 dieser Codeblock kann Outputs generieren, die dann wieder mein 507 00:26:58,320 --> 00:26:59,960 mein Marktdown verändern. Also ich kann zum Beispiel 508 00:26:59,960 --> 00:27:03,160 sagen, hier ist ein Codeblock, der sagt, Lad ihr mal die Daten, 509 00:27:03,160 --> 00:27:06,200 die aktuellen Daten aus der Datenbank runter und der zweite 510 00:27:06,200 --> 00:27:08,560 Codeblock. Der baut mir dann eben daraus 511 00:27:08,560 --> 00:27:12,480 ein Chart, was ich mir irgendwie anschauen kann und dann kann ich 512 00:27:12,480 --> 00:27:14,640 eben da drum rum noch um die Sachen beschreiben und ich kann 513 00:27:14,640 --> 00:27:17,360 diese Dinge wirklich bis in Produktion hosten, 514 00:27:17,640 --> 00:27:20,040 wahrscheinlich nicht so oft als Frontend, aber es gibt eine 515 00:27:20,040 --> 00:27:22,200 ganze Menge Backends wo diese Jupiter Notebooks auf 516 00:27:22,200 --> 00:27:25,280 irgendwelchen Servern landen und dann wirklich für irgendwelche 517 00:27:25,280 --> 00:27:29,600 Datentransformationen benutzt werden und auch im Live betrieb 518 00:27:29,680 --> 00:27:33,600 benutzt werden. Auf diesen Jupiter Servern und. 519 00:27:35,000 --> 00:27:37,800 Dass ich da halt wirklich mit normalem Text, also dass ich ich 520 00:27:37,800 --> 00:27:39,480 kann, einfach sehr, sehr wissenschaftlich damit arbeiten. 521 00:27:39,480 --> 00:27:41,360 Ich glaub, das ist es eher so ne, ich kann auch ne sehr 522 00:27:41,680 --> 00:27:44,680 wissenschaftliche datengetriebene Herangehensweise 523 00:27:44,680 --> 00:27:47,640 machen und dann kann ich diese eine Zeile Code ändern und das 524 00:27:47,640 --> 00:27:49,680 ist auch 1 dieser geilen Sachen bei Jupiter Notebooks. 525 00:27:50,000 --> 00:27:52,120 Ich änder dann diese eine Zeile Code und sagt nee OK, hat 526 00:27:52,120 --> 00:27:54,560 irgendwie nicht geklappt, hat n Fehler rausgerufen und dann kann 527 00:27:54,560 --> 00:27:58,400 ich nur diese geänderte Zeile. Quasi neu ausführen lassen. 528 00:27:58,400 --> 00:28:01,520 Alles was vorher passiert ist, muss ich nicht noch einmal neu 529 00:28:01,520 --> 00:28:03,280 durchlaufen. Also wenn ich oben gesagt habe 530 00:28:03,440 --> 00:28:06,160 Importe mir diese Libraries stellen eine Verbindung zur 531 00:28:06,160 --> 00:28:09,560 Datenbank her, lad diese Daten runter, definiere hier hier eine 532 00:28:09,560 --> 00:28:11,520 Funktion. Jetzt habe ich unten irgendwie 533 00:28:11,520 --> 00:28:14,160 eine Zeile diese Funktion aufruft und das klappt nicht, 534 00:28:14,160 --> 00:28:17,040 dann änder ich diese Zeile, muss aber die ganzen Zeilen darüber 535 00:28:17,040 --> 00:28:19,160 die ganzen Code Sachen werden nicht noch mal oder die ganzen 536 00:28:19,160 --> 00:28:23,120 Codeblöcke eigentlich müssen nicht noch mal neu ausgeführt 537 00:28:23,120 --> 00:28:25,200 werden, sondern ich kann dann halt wirklich sagen wird nimm 538 00:28:25,200 --> 00:28:28,240 alles was du bisher hattest außer die die letzte Zeile, die 539 00:28:28,240 --> 00:28:30,120 würde ich gerne jetzt noch mal um noch mal umschreiben und noch 540 00:28:30,120 --> 00:28:32,560 mal neu neu ausführen lassen und das wird irgendwie mit. 541 00:28:32,560 --> 00:28:35,640 Also es ist ein sehr viel Interaktiveres durch eine 542 00:28:35,640 --> 00:28:40,400 grafische Oberfläche gestütztes herangehen an Programmierungen, 543 00:28:40,560 --> 00:28:42,880 die aber trotzdem sehr sehr simpel ist, weil sie einfach in 544 00:28:42,880 --> 00:28:45,120 einem sehr lesbaren Dokument von oben nach unten 545 00:28:45,120 --> 00:28:48,000 runtergeschrieben wird. Wir haben in vielen Fällen 546 00:28:48,240 --> 00:28:51,160 brauche ich dann auch gar keine Idee, sondern ich kann über 547 00:28:51,160 --> 00:28:54,240 einen Webinterface da drauf zugreifen auf diese Jupiter 548 00:28:54,240 --> 00:28:57,360 Notebooks, die kann ich entweder lokal hosten oder ich kann mich 549 00:28:57,360 --> 00:29:02,240 auch zu einem Remote gehosteten Jupiter Notebook verbinden und 550 00:29:02,240 --> 00:29:04,960 dann einfach im Browser genau dieses interaktive 551 00:29:05,200 --> 00:29:09,600 wissenschaftliche. Nach und nach dort zusammenbauen 552 00:29:09,600 --> 00:29:14,880 und das ist natürlich ideal für Data Scientist, Data Engineers, 553 00:29:14,880 --> 00:29:18,160 Machine Learning Engineers, die halt wirklich vor allen Dingen 554 00:29:18,240 --> 00:29:21,200 mit den Daten arbeiten wollen und jetzt nicht komplett 555 00:29:21,200 --> 00:29:23,680 komplexe Anwendungen an sich bauen. 556 00:29:24,400 --> 00:29:27,240 Die Anwendung an sich wird vielleicht basierend auf dem 557 00:29:27,240 --> 00:29:31,400 Ergebnis oder der Input, der stammt aus einer Anwendung und 558 00:29:31,400 --> 00:29:34,360 das Ergebnis wird wiederum verwendet für eine Anwendung, 559 00:29:34,360 --> 00:29:37,480 egal ob es jetzt einen. Machine Learning Modell ist oder 560 00:29:37,480 --> 00:29:39,600 ob es einfach diese transformierten Daten sind. 561 00:29:40,560 --> 00:29:42,680 Die werden dann wiederum in einer Anwendung verwendet, wo 562 00:29:42,680 --> 00:29:46,320 man dann anderen Code schreibt, aber gerade diese Jupiter 563 00:29:46,320 --> 00:29:49,280 Notebooks machen ist natürlich da sehr einfach diese Daten 564 00:29:49,280 --> 00:29:53,040 erstmal zu strukturieren, zu verarbeiten und das Ganze so 565 00:29:53,280 --> 00:29:55,200 bereitzustellen wie es der Nachteil meiner Anwendung 566 00:29:55,200 --> 00:29:57,200 braucht. Jetzt hatten wir gerade schon 567 00:29:57,200 --> 00:29:59,440 gesagt, so Jupiter, Notebooks, die werden tatsächlich auch in 568 00:29:59,440 --> 00:30:02,080 Produktion im Backend verwendet, aber so Frontentechnisch ist das 569 00:30:02,080 --> 00:30:04,920 Glaube ich nicht das was ich was ich ausrollen will jetzt. 570 00:30:05,040 --> 00:30:07,520 Jetzt gibt es da eine andere Library in Python, die gerade 571 00:30:07,520 --> 00:30:10,120 auch sehr, sehr starke Popularität erfährt, und die 572 00:30:10,120 --> 00:30:15,960 heißt Stream litt und Stream litt kommt von Snowflake, das 573 00:30:15,960 --> 00:30:21,200 ist auch ein Provider von Data Lakes und von von großen Data 574 00:30:21,200 --> 00:30:26,840 Science SARS Lösungen für Unternehmen und Stream litt 575 00:30:26,840 --> 00:30:29,280 ermöglicht es mir jetzt mit Python. 576 00:30:29,720 --> 00:30:33,080 Apps zu bauen, also irgendwelche Front Ends zu bauen mit ganz, 577 00:30:33,080 --> 00:30:36,160 ganz wenigen Zeilen Code. Wirklich diesen Frame ist ein UI 578 00:30:36,160 --> 00:30:39,520 Framework hoch opinionated sieht man, sieht also meistens immer 579 00:30:39,520 --> 00:30:43,800 sofort, dass es sich um eine Stream litt Anwendung handelt, 580 00:30:43,800 --> 00:30:46,320 aber sie trotzdem gut aus. Also aus out of the Box sieht 581 00:30:46,320 --> 00:30:51,040 wirklich gut aus und Streamless hat den großen Vorteil, dass ich 582 00:30:51,040 --> 00:30:55,480 einfach mit Python schreibe, was ich wo angezeigt bekommen 583 00:30:55,480 --> 00:30:57,960 möchte. Und das hat diese coole Funktion 584 00:30:57,960 --> 00:31:00,680 irgendwie ST für Stream mit Punkt Right und dann kann ich 585 00:31:00,680 --> 00:31:03,920 jeglichen Datentyp, muss man auch kurz sagen, ne Python ist 586 00:31:03,920 --> 00:31:07,360 eine ist eine untypisierte Sprache es gibt es gibt erstmal 587 00:31:07,360 --> 00:31:10,080 standardmäßig keine Typisierung, kann man machen, also man kann 588 00:31:10,080 --> 00:31:13,320 Typen den Python haben, man kann dann diese auch irgendwie 589 00:31:13,320 --> 00:31:16,840 entforsten aber erstmal kann kann ich so einer ST Punkt Right 590 00:31:16,840 --> 00:31:19,280 Funktion jeden beliebigen Datentypen übergeben? 591 00:31:19,880 --> 00:31:22,400 Und die versucht dann, intelligent versucht dieses 592 00:31:22,400 --> 00:31:24,640 Streamlid Library herauszufinden, was jetzt die 593 00:31:24,640 --> 00:31:27,360 beste Darstellung wäre. Also wenn ich der irgendwie ne 594 00:31:27,600 --> 00:31:29,640 nen zweidimensionalen Vektor übergebe, dann mein ich 595 00:31:29,640 --> 00:31:33,840 wahrscheinlich ne Tabelle und ja man kann auch immer GUI Elemente 596 00:31:33,840 --> 00:31:36,360 haben wie irgendwie nen Kalender den ich irgendwie in nen 597 00:31:36,360 --> 00:31:39,000 Kalender picker wo ich irgendwie so ne Date Range übergeben kann 598 00:31:39,000 --> 00:31:44,160 und so und gedacht ist das dafür, dass ich dann quasi 599 00:31:44,160 --> 00:31:49,280 teilbare Webanwendungen baue. Deren Datenstrom oder deren 600 00:31:49,280 --> 00:31:53,040 Daten eigentlich das sind, was ich vorher als Data Engineer mit 601 00:31:53,440 --> 00:32:00,480 Python erarbeitet, verarbeitet, transformiert und so weiter habe 602 00:32:00,480 --> 00:32:03,640 das heißt es ist eine. Also ich kann wirklich einfach 603 00:32:03,640 --> 00:32:08,840 mit 34 Zeilen Code eine App bauen, die dann so ein bisschen 604 00:32:08,840 --> 00:32:10,880 ähnlich wie ein Jupiter Notebook vielleicht funktioniert, weil 605 00:32:10,880 --> 00:32:13,520 ich auch Mark Down Code einfach mitgeben kann. 606 00:32:13,840 --> 00:32:16,120 Sagen kann so, auf das ist meine Überschrift hier ist hier ist 607 00:32:16,120 --> 00:32:18,480 eine Beschreibung, hier kommt dieser Graph. 608 00:32:18,640 --> 00:32:20,720 Für diesen Graph möchte ich unten drunter aber einen Date 609 00:32:20,720 --> 00:32:23,720 Picker haben, dass man dass man aussuchen kann in welcher Date 610 00:32:23,720 --> 00:32:25,280 Range man irgendwas sehen möchte. 611 00:32:26,720 --> 00:32:29,840 Hier und da möchte ich vielleicht noch irgendwie was 612 00:32:29,840 --> 00:32:31,880 haben, da kann man eine Datei hochladen, die wird dann auch 613 00:32:31,880 --> 00:32:33,800 noch mal irgendwie mit analysiert und so weiter das 614 00:32:33,800 --> 00:32:36,840 heißt ich kann mit sehr einfachen Frontend Komponenten 615 00:32:36,840 --> 00:32:39,680 mir so ein Frontend wirklich mit 34 Zeilen Code mal 616 00:32:39,680 --> 00:32:41,560 zusammenklicken, man muss sich das mal irgendwie angucken auf 617 00:32:41,560 --> 00:32:43,760 das Stream Lit. Webseite das ist wirklich 618 00:32:44,000 --> 00:32:47,680 einfach, sich da eine irgendwie eine Webseite mit zu bauen. 619 00:32:48,160 --> 00:32:51,040 Und das Interessante ist, dass ich natürlich alle möglichen 620 00:32:51,040 --> 00:32:54,320 Daten dann, also all das ist, das ist für mich irgendwie so, 621 00:32:54,320 --> 00:32:57,400 ein Human Input ist, dass man jemand mit einem offenen Element 622 00:32:57,400 --> 00:33:00,960 klicken kann und ich, was auch immer dieser Klick oder dieses 623 00:33:01,080 --> 00:33:04,280 Element für Auswirkungen hatte, diese Auswirkungen dann wieder 624 00:33:04,280 --> 00:33:06,720 in meinen Datenverarbeitungsprozess mit 625 00:33:06,720 --> 00:33:10,320 aufnehmen kann, den ich ja eh vielleicht in diesem Python 626 00:33:10,320 --> 00:33:13,920 Skript gebaut habe und. Und das, um das abzuschließen, 627 00:33:14,320 --> 00:33:18,480 ist natürlich jetzt ganz, ganz spannend in dieser Welt, weil 628 00:33:18,480 --> 00:33:22,720 ich kann mit Stream zum Beispiel mir eine relativ einfache Chat 629 00:33:23,040 --> 00:33:26,880 Oberfläche oder Chat Anwendung bauen und sagen, Pass auf, hier 630 00:33:26,880 --> 00:33:28,800 kannst du was eingeben und was ich auch immer, was du auch 631 00:33:28,800 --> 00:33:32,080 immer du da eingibst schicke ich hinten ran an den Large Language 632 00:33:32,080 --> 00:33:34,640 Model was auch immer mir das Large Language Model zurückgibt, 633 00:33:34,880 --> 00:33:37,640 schreibe ich einfach raus weil dieses Stream mit Library wird 634 00:33:37,640 --> 00:33:40,320 schon das Richtige in den richtigen Output Format, denn 635 00:33:40,320 --> 00:33:41,960 das richtige Chart dafür finden und. 636 00:33:42,240 --> 00:33:45,240 Oder kann das vielleicht auch irgendwie sagen, welcher welchen 637 00:33:45,240 --> 00:33:46,880 Chart das mir irgendwie darstellen soll? 638 00:33:46,960 --> 00:33:48,720 Ich kann mit Stream jetzt sehr einfach irgendwie Bilder 639 00:33:48,720 --> 00:33:51,360 anzeigen, Ergebnisse anzeigen die von der AI zurückkommen, ich 640 00:33:51,360 --> 00:33:56,640 kann mir, ich kann mir Feedback holen, also ne ne library die 641 00:33:56,640 --> 00:33:59,840 wie das jetzt gerade dieser AI Welt sehr sehr große Popularität 642 00:33:59,840 --> 00:34:02,920 erfährt. Und das heißt, ich kann jetzt 643 00:34:02,920 --> 00:34:06,680 letzten Endes wirklich von dem Lesen der Daten, dem Verarbeiten 644 00:34:06,680 --> 00:34:10,560 der Daten bis zum Visualisieren der Daten in Produktion und dem 645 00:34:10,560 --> 00:34:14,080 Arbeiten der Daten durch meine Endanwender in Produktion einen 646 00:34:14,080 --> 00:34:16,320 Technologiesteck quasi verwenden, also zumindest was 647 00:34:16,320 --> 00:34:18,880 die Programmiersprache betrifft. Das heißt, ich kann wirklich 648 00:34:18,880 --> 00:34:23,120 alles End to End in Python umsetzen, aber setze dann 649 00:34:23,120 --> 00:34:24,960 wahrscheinlich in diesen Schritten. 650 00:34:25,400 --> 00:34:27,760 Durchaus auf die unterschiedlichen Technologien. 651 00:34:27,760 --> 00:34:30,159 Wir hatten gerade über Jupiter Notebooks gesprochen und dann 652 00:34:30,159 --> 00:34:33,000 vielleicht für die Visualisierung auf so etwas wie 653 00:34:33,000 --> 00:34:37,520 Streamlit und habe dann eine sehr gute Möglichkeit, da mit 654 00:34:37,520 --> 00:34:41,840 einer Entwicklungssprache wirklich end to end zu arbeiten. 655 00:34:42,159 --> 00:34:46,199 Mit sehr wenig Vorerfahrung auch für Streamlit ist keine brauche 656 00:34:46,199 --> 00:34:48,520 ich keine Front in Erfahrung. Wenn ich überlege wie die wie 657 00:34:48,520 --> 00:34:51,080 die Kurve die Lernkurve ist, bis ich mal irgendwas in React 658 00:34:51,080 --> 00:34:53,520 schreibe. Wo ich auf jeden Fall HTML, 659 00:34:53,719 --> 00:34:56,159 Java, Script und CSS kennen muss, da muss ich dieses React 660 00:34:56,159 --> 00:34:57,800 Framework lernen. Da muss ich wissen, wie da 661 00:34:57,800 --> 00:35:01,920 irgendwie die die die Rendering, Loop und sowas funktioniert und 662 00:35:01,920 --> 00:35:04,400 den Erfolg von sowas von sowas wie Streamlet sieht man auch 663 00:35:04,400 --> 00:35:07,080 irgendwie, weil ich glaube das ist das hat etwas, habe ich 664 00:35:07,080 --> 00:35:12,640 irgendwie gesehen, dass allein irgendwie 190000 streamlets 665 00:35:13,200 --> 00:35:16,280 Snippets auf github irgendwie seit erscheinen dieser Library 666 00:35:16,280 --> 00:35:19,680 irgendwie rausgekommen sind. Also sehr, sehr, sehr, sehr 667 00:35:19,680 --> 00:35:25,040 zugänglich, um eine teilbaren, richtige, produktive Apps zu 668 00:35:25,040 --> 00:35:28,880 bauen. Nicht Web Frontend App zu bauen 669 00:35:29,040 --> 00:35:33,120 und weil ich da mit wenigen Zeilen Code wirklich ein 670 00:35:33,120 --> 00:35:35,720 interaktives Frontend bauen kann und hier schließlich so ein 671 00:35:35,720 --> 00:35:40,720 bisschen der Kreis zu ist, sind diese Libraries wie Stream mit 672 00:35:40,720 --> 00:35:42,720 und sind diese Programmiersprachen wie Python 673 00:35:42,960 --> 00:35:47,560 für Launch Language Modelle so? Interessant und so 674 00:35:47,560 --> 00:35:51,280 erstrebenswert, weil ich, weil wenn ich kann ich kann GPT 4 675 00:35:51,280 --> 00:35:56,280 oder irgendwie Claude oder ein Droppic oder Claude ist, ist ist 676 00:35:56,280 --> 00:35:59,840 ein Droppic oder Germany oder sowas auch immer Fragen ey bau 677 00:35:59,840 --> 00:36:05,160 mir zu dem weil bauen wir mal ne ganz simple App wo ich irgendwie 678 00:36:05,160 --> 00:36:07,880 das was ich gerade mit dir bespreche ausprobieren kann und 679 00:36:07,880 --> 00:36:11,360 dann ist natürlich Python als sehr simplen Code der von oben 680 00:36:11,360 --> 00:36:13,920 nach unten runter geschrieben wird genau das was LLMS gut 681 00:36:13,920 --> 00:36:16,560 können. Plus so eine Library wie wie, 682 00:36:16,560 --> 00:36:20,760 wie Streamlet, wo die wo? Weil die sehr opininated ist, wo 683 00:36:20,760 --> 00:36:23,160 ich was mit wenigen Zeilen Code rauskriege, was nicht irgendwie 684 00:36:23,160 --> 00:36:27,200 komplett Käse aussieht ist das halt natürlich was für den 685 00:36:27,200 --> 00:36:30,640 Output von so einem Large Language Model Super interessant 686 00:36:30,640 --> 00:36:33,440 ist. Und jetzt kommt natürlich dazu, 687 00:36:33,840 --> 00:36:36,400 dass Large Language Modelle auf a. 688 00:36:36,640 --> 00:36:39,120 Wahnsinnig viel Python co. Trainiert werden, weil wir haben 689 00:36:39,120 --> 00:36:42,000 eben gelernt, es ist die Nummer 1 Sprache auf github heute. 690 00:36:42,320 --> 00:36:45,040 Also das ist das die populärste Sprache die wir am häufigsten in 691 00:36:45,040 --> 00:36:49,640 American Guitar Repositories finden und es ist die Sprache, 692 00:36:49,640 --> 00:36:52,960 die Researcher, die Wissenschaftler und 693 00:36:52,960 --> 00:36:56,640 Wissenschaftlerinnen verwenden, die diese Modelle bauen, das 694 00:36:56,640 --> 00:36:59,120 heißt, die diese Modelle bauen, die diese Modelle trainieren, 695 00:36:59,120 --> 00:37:02,000 die die Daten aufbereiten für diese Trainings von diesen 696 00:37:02,000 --> 00:37:04,720 Modellen. Das heißt, die natürlich auch da 697 00:37:04,720 --> 00:37:07,320 so n bisschen gebuyst sind, was ja auch gar nicht schlimm ist. 698 00:37:07,320 --> 00:37:10,240 Aber natürlich sehen diese diese Largestein Luftwelle A im 699 00:37:10,240 --> 00:37:13,760 Training sehr sehr sehr viel. Python B wird fürs Training sehr 700 00:37:13,760 --> 00:37:17,040 sehr sehr viel Python verwendet und C folgerichtig sind sie 701 00:37:17,040 --> 00:37:20,640 deswegen auch sehr sehr gut da drin Python auszuspucken und 702 00:37:20,640 --> 00:37:23,400 wenn heute irgendwie zum Beispiel GPT 4 die Möglichkeit 703 00:37:23,400 --> 00:37:26,560 bekommt selber Code zu schreiben und auszuführen um n Problem zu 704 00:37:26,560 --> 00:37:28,480 lösen. Dann ist dieser Code eigentlich 705 00:37:28,480 --> 00:37:31,680 immer Python Code, weil er so einfach zu schreiben ist. 706 00:37:31,680 --> 00:37:34,840 Gerade für Textbasierte Large Language Modelle, weil er so 707 00:37:34,840 --> 00:37:37,320 einfach auszuführen ist. Ich kann eigentlich fast überall 708 00:37:37,320 --> 00:37:41,320 diesen Python Code mal eben kurz irgendwo ausführen und sei es in 709 00:37:41,320 --> 00:37:44,000 so einem Jupiter Notebook in so einer Jupiter Notebook Umgebung 710 00:37:44,240 --> 00:37:46,920 und b weil weil es auch so lesbar ist. 711 00:37:46,920 --> 00:37:50,080 Also auch so gut zu verarbeiten für n Large Language Modell und 712 00:37:50,080 --> 00:37:53,760 ich glaube deswegen ist Python. So populär und so wichtig im 713 00:37:53,760 --> 00:37:57,280 Moment in der AI Welt, in der Datenwelt und auch in der Welt, 714 00:37:57,280 --> 00:38:00,160 wo wir sehr, sehr, sehr viel mehr Menschen onboarden auf das 715 00:38:00,160 --> 00:38:03,160 Thema Programmierung. Ja, und du hattest es ja gerade 716 00:38:03,160 --> 00:38:07,280 gesagt, gerade im Vergleich zu irgendwie der klassischen Java 717 00:38:07,280 --> 00:38:10,000 Script Welt in der Webentwicklung, wo ich irgendwie 718 00:38:10,000 --> 00:38:11,840 für eine Visualisierung dann aus. 719 00:38:12,640 --> 00:38:16,640 Diversen irgendwie UI Libraries Graph Libraries auswählen kann 720 00:38:16,640 --> 00:38:20,360 dann erstmal irgendwie 1000 NPM Packages installieren muss und 721 00:38:20,360 --> 00:38:23,200 dann mich mit der spezifischen Syntax auseinandersetzen muss, 722 00:38:23,200 --> 00:38:26,960 ist glaube ich gerade so eine opiniated Technologie sehr 723 00:38:26,960 --> 00:38:30,480 leicht zugänglich und wenn es mir das dann erlaubt, dass in so 724 00:38:30,480 --> 00:38:32,640 einer interpretierten Art und Weise. 725 00:38:33,240 --> 00:38:36,000 Erstmal die Anwendung auszuführen und dann halt auch 726 00:38:36,000 --> 00:38:39,680 auf einer quasi Standard Library zu visualisieren ist das 727 00:38:39,680 --> 00:38:42,640 natürlich für viele extrem leicht zugänglich und macht dann 728 00:38:42,640 --> 00:38:45,040 auch. Führt dann auch dazu, dass für 729 00:38:45,040 --> 00:38:49,120 viele, die vielleicht so ein bisschen Berührungsängste bei 730 00:38:49,120 --> 00:38:51,920 solchen komplexen Technologien haben, dann in solche neuen 731 00:38:51,920 --> 00:38:54,720 Technologien dann oder in neue Technologiewelten rund um 732 00:38:55,520 --> 00:38:58,720 Machine Learning und Ai leichter einsteigen können. 733 00:38:59,320 --> 00:39:01,200 Und kannst du auf keinen Fall abraten, weil du mittlerweile 734 00:39:01,200 --> 00:39:02,760 mit Python ja auch wirklich alles machen kannst. 735 00:39:02,760 --> 00:39:04,840 Das war ja wirklich früher so eine Datenverarbeitungssprache, 736 00:39:04,840 --> 00:39:06,320 aber du was? Egal eines eingangs schon 737 00:39:06,320 --> 00:39:08,720 erwähnt, es gibt wahnsinnig viele Web, vor allem Webserver, 738 00:39:08,720 --> 00:39:11,920 die mit Python geschrieben sind. Simple AP is, ich kann frontends 739 00:39:11,920 --> 00:39:14,680 bauen, ich kann kann auch mein man Frontend dafür ein HTML 740 00:39:14,680 --> 00:39:16,440 bauen und das von einem Web von einem Python Webserver 741 00:39:16,440 --> 00:39:20,400 ausliefern lassen. Also ich bin das ist fast schon 742 00:39:20,400 --> 00:39:22,480 so ein bisschen wie wie Java Script so eine Allrounder 743 00:39:22,480 --> 00:39:24,840 Sprache geworden, mit der ich fast auch alles erreichen kann 744 00:39:24,840 --> 00:39:27,920 in so wie immer eine super Sprache um einzusteigen und den. 745 00:39:28,680 --> 00:39:31,680 Kann man sich da jetzt als Hardliner hinstellen und sagen, 746 00:39:31,680 --> 00:39:33,680 ja, ich finde die aber nicht schön, ich finde die hässlich, 747 00:39:33,680 --> 00:39:37,120 die ist irgendwie, folgt vielleicht nicht irgendwie den 748 00:39:37,200 --> 00:39:40,880 Programmierprinzipien von riesengroßen Enterprise 749 00:39:40,880 --> 00:39:48,960 Anwendungen, aber die ja die die Flexibilität von Python und die 750 00:39:48,960 --> 00:39:52,400 verschiedenen Einsatzmodelle geben, geben der Sprache ja auch 751 00:39:52,400 --> 00:39:54,520 irgendwo recht und. Würde ich auch, glaube ich, 752 00:39:54,520 --> 00:39:56,200 nicht als Sprache für alles, nämlich würde es auch nicht 753 00:39:56,200 --> 00:39:58,240 meine nächste Enterprise Anwendung mit Python schreiben, 754 00:39:58,480 --> 00:40:02,880 aber sie hat auf jeden Fall ihren Platz und nicht nur für 755 00:40:02,880 --> 00:40:04,960 Script Kiddies, sondern auch mittlerweile für ernst zu 756 00:40:04,960 --> 00:40:10,080 nehmende Apps und Anwendungen. Dann kommen wir zum Abschluss 757 00:40:10,080 --> 00:40:13,920 noch zu einem ganz wichtigen Thema, was man eigentlich in 758 00:40:13,920 --> 00:40:18,720 keiner Python Diskussion außen vor lassen kann und Python, die 759 00:40:18,720 --> 00:40:20,760 Technologie oder die Programmiersprache hat ja so 760 00:40:20,760 --> 00:40:22,800 eine kleine Schlange als Logo, die. 761 00:40:23,360 --> 00:40:27,440 Die Python und ich habe auch in Deutschland schon ganz häufig 762 00:40:27,440 --> 00:40:32,200 Leute gehört, die gesagt haben, ja, ich entwickle in Python, wir 763 00:40:32,200 --> 00:40:36,320 haben jetzt die ganze Zeit Python gesagt, was ja auch die 764 00:40:36,320 --> 00:40:39,280 richtige Art und Weise ist, wie man diese Technologie 765 00:40:39,280 --> 00:40:41,520 aussprechen sollte, weil du hast dich ein bisschen mit der 766 00:40:41,520 --> 00:40:44,560 Historie auseinandergesetzt, ich wusste es bis vor kurzem auch 767 00:40:44,560 --> 00:40:46,080 nicht. Willst du ein bisschen uns 768 00:40:46,080 --> 00:40:49,440 erzählen, warum die Sprache Python heißt? 769 00:40:50,240 --> 00:40:52,760 Nee, eigentlich nicht. Ich find es lustig, sagt, ich 770 00:40:52,760 --> 00:40:54,880 hatte gehofft, dass wir drumherum kommen, weil das ist 771 00:40:54,880 --> 00:40:57,560 wirklich wie sowieso n Running Gag, wenn man gerade so über 772 00:40:57,560 --> 00:41:01,240 Einstieg in Python spricht, dann muss, da ist ein ungeschriebenes 773 00:41:01,240 --> 00:41:05,160 Gesetz, dann muss man erzählen, woher die die Sprache ihren 774 00:41:05,160 --> 00:41:07,520 Namen hat, und die hat tatsächlich ihren Namen dadurch, 775 00:41:07,520 --> 00:41:12,320 dass der Autor oder der Erfinder von Python großer Monty Python 776 00:41:12,320 --> 00:41:17,520 Fan der britische, ja Comedian, Kabarettist, Filmemacher. 777 00:41:18,720 --> 00:41:21,200 War auf jeden Fall gesagt. Der Autor von Python ist großer 778 00:41:21,200 --> 00:41:23,320 Fan von diesem Monty Python und hat tatsächlich diese 779 00:41:23,320 --> 00:41:27,280 Programmiersprache danach benannt und dieser Fun Fact ist 780 00:41:27,440 --> 00:41:29,840 eigentlich überhaupt kein Fun Fact mehr, weil den fast jeder 781 00:41:29,880 --> 00:41:32,320 irgendwie kennt, der immer mal mit der Programmiersprache 782 00:41:32,320 --> 00:41:33,440 Python in Berührung gekommen ist. 783 00:41:34,480 --> 00:41:36,720 Deswegen musste ich eben so lachen, dass dass wir natürlich 784 00:41:36,720 --> 00:41:38,960 auch diese Folge über Python nicht machen können, ohne das zu 785 00:41:38,960 --> 00:41:41,400 erwähnen, so wie es wahrscheinlich auf jedem 786 00:41:41,400 --> 00:41:44,480 Konferenztalk erwähnt wird und jedem jedem Einstiegs Tutorials 787 00:41:44,480 --> 00:41:46,080 The Python wird das einmal gesagt. 788 00:41:46,560 --> 00:41:49,480 Weil es auch irgendwo ein witziger Fun Fact ist. 789 00:41:49,480 --> 00:41:52,360 Und natürlich können wir das sonst auch nicht nehmen lassen, 790 00:41:52,360 --> 00:41:56,080 dass auch diese Folge dann einmal klarzustellen, dass wir 791 00:41:56,080 --> 00:41:59,680 wissen, warum Python so heißt und ihr jetzt auch. 792 00:42:00,560 --> 00:42:02,800 Genau ihr sollt ja auch was Sinnvolles gelernt haben. 793 00:42:02,800 --> 00:42:07,360 Jetzt nach dieser Folge und ich hoffe, ich fand das Thema 794 00:42:07,360 --> 00:42:10,400 genauso spannend wie ich. Hatte ja am Anfang erwähnt, ich 795 00:42:10,400 --> 00:42:12,880 bin nicht der große Python Entwickler, habe da 796 00:42:12,880 --> 00:42:16,800 dementsprechend nur ein. Einsteigerwissen was halt die 797 00:42:16,800 --> 00:42:19,840 Sprache an sich betrifft, bin aber immer wieder beeindruckt 798 00:42:20,080 --> 00:42:22,960 angesichts der vielfältigen Einsatzmöglichkeiten der 799 00:42:22,960 --> 00:42:27,360 Technologie und wie omnipräsent es mittlerweile ist, gerade in 800 00:42:27,360 --> 00:42:30,560 diesem Bereich Data Science und AI. 801 00:42:31,720 --> 00:42:33,880 Wenn euch die Folge gefallen hat, dann lasst uns das gerne 802 00:42:33,880 --> 00:42:35,600 wissen. Entweder dadurch, dass ihr eine 803 00:42:35,600 --> 00:42:39,600 gute Bewertung hinterlasst auf Plattformen wie Apple Podcast 804 00:42:39,600 --> 00:42:42,640 und Spotify, irgendwo man Sternchen, Herzchen, Däumchen, 805 00:42:42,640 --> 00:42:46,560 hintergeben Hintergeben hinterlassen kann oder schreibt 806 00:42:46,560 --> 00:42:51,360 uns einfach einen Kommentar mit Feedback mit Themen wünschen, 807 00:42:51,360 --> 00:42:53,040 das finden wir auch mal cool, dass wir so ein bisschen von 808 00:42:53,040 --> 00:42:55,320 euch in die Feedback kriegen, was was ihr euch für Themen 809 00:42:55,320 --> 00:42:58,360 wünscht und wenn ihr ganz begeistert seid, dann freuen wir 810 00:42:58,360 --> 00:43:00,400 uns natürlich auch über eine Tasse Kaffee von euch. 811 00:43:00,840 --> 00:43:03,240 Den Link dazu und den Link auch zu allem anderen, was wir hier 812 00:43:03,240 --> 00:43:06,480 wie besprochen haben und noch irgendwie wertvoll fanden zum 813 00:43:06,480 --> 00:43:10,880 Nachlesen findet ihr wie immer in der Beschreibung vom Podcast. 814 00:43:11,720 --> 00:43:14,960 Und folgt auch gerne dem To do Developer Podcast auf Social 815 00:43:14,960 --> 00:43:17,000 Media. Und was viele noch gar nicht 816 00:43:17,000 --> 00:43:20,160 wissen, wir sind seit einiger Zeit auch auf youtube aktiv, das 817 00:43:20,160 --> 00:43:22,400 heißt, wir haben da einen Kanal und wenn ihr uns nicht nur 818 00:43:22,560 --> 00:43:27,560 zuhören, sondern auch zuschauen wollt, schaut mal auf youtube 819 00:43:27,560 --> 00:43:30,800 rein, folgt uns da, abonniert den Kanal und lasst uns gerne 820 00:43:30,960 --> 00:43:33,680 auch dort einen Kommentar da. Dann bleibt uns nicht viel 821 00:43:33,680 --> 00:43:37,760 übrig, als zu sagen, habt eine gute Zeit und schreibt ganz viel 822 00:43:37,760 --> 00:43:40,920 Python Codes. Bis zum ersten Mal der To do 823 00:43:40,920 --> 00:43:44,320 Developer Podcast erscheint alle 2 Wochen, jeden zweiten Montag. 824 00:43:44,960 --> 00:43:47,880 Bis dahin. Habt viel Spaß mit Python und 825 00:43:47,880 --> 00:43:52,280 mit oder mit was auch immer ihr euch gerade in der Tech Welt 826 00:43:52,280 --> 00:43:55,840 beschäftigt und bis ganz bald. Bis bald.