Herzlichen dank für ein tolles Tutorial! Alles wurde so klar und ausführlich erklärt. Ich würde mich freuen noch ein paar Videos über OOP mit Beispielen aus der Praxis anzuschauen
Lieber Herr Rappert, vielen Dank für dieses ausgezeichnete Tutorial über Python. :-) Ich habe bereits in den ersten zwei Stunden soviel darüber gelernt! Danke für Ihre Arbeit!
Guten Abend. Habe schon von vielen RU-vidrn Tutorials gefunden, aber keines ist so gut erklärt wie deines. Machst tolle Arbeit. Weiter so!! Ich bin neu in Python, und ist angenehm mit deinem Tutorial zu Arbeiten. Danke
Es freut mich, dich auf Instagram kennengelernt zu haben und dann deinen RU-vid-Kanal entdeckt zu haben. Sehr hilfreiches Video. Ich bin daran interessiert. Vielen Dank ❤
Ich habe dich eben von RU-vid vorgeschlagen bekommen 🙏 dieses kommende Wochenende werde ich mir ALLE deine Videos anschauen! Abo + Glocke + Like für alle deine Videos ❤ danke!!
Ziemlich cooles Tutorial! Deine Erklärungen waren super verständlich und auch plastisch dargestellt. Das ist doch mal ein schöner Einstieg in Python! Vielen herzlichen Dank dafür!
Hatte folgenden "Fehler": Beim Erstellen eines neuen Projekts musste ich einen Haken bei "create a welcome script" setzen, damit main. py bei mir erscheint. Allgemein sah die Benutzeroberfläche bei mir anders aus. Vielleicht ist die Info auch für andere hilfreich.
Moin, vielen dank für das Tutorial. In den ersten Stunden lernte ich überaus viel, jedoch wurde es mir etwas zu schwer alles nachzuvollziehen was in dem Spiel TicTacToe gemacht wurde. Ich werde das Tutorial jetzt noch zu Ende anschauen mit der Hoffnung, dass ich noch etwas mehr dazu lernen kann. Ich denke, dass es auch relativ normal ist, dass man nicht alles gleich nachvollziehen/verstehen kann, wenn man absoluter Anfänger ist wie ich. Das ganze ist ein Marathon und mit der Zeit wird wahrscheinlich der Schleier gelüftet sein, sodass ich es einfacher verstehen kann. (bin bei 4:38:01 / 6:15:55)
Moin, freut mich erstmal, dass du Python lernst. Das lohnt sich :). Hader da nicht zu sehr mit dir... Ich finde, dass ich bei Tic Tac Toe es auch noch etwas besser hätte erklären können. Also einfach weiter machen und dann kommt das schon alles :)
Moin moin ich habe einfach (x [0:6]*10 gemacht ;D habe halt einen kleinen abstand gelassen hinter ' Hallo' damit es etwas schöner aussieht .... aber bitte nicht steinigen ich fange gerade erst an! aber vielen dank für deine tolle Arbeit, so macht es spaß Python zu lernen
mich würde folgendes interessieren: was ist der unterscdied zwischen deep learning und traditionellem machine learning hinsichtlich arbeitsmarkt. also anzahl der stellen, gehalt usw. stimmt es dass 80% der stellen in der industrie traditionelles ML ist mit daten die in einer sql datenbank liegen?
Hallo, interessiere mich als Hobby für Python und habe mal eine Frage. Ich mache öfters die Tunietleitung bei Jug3nd Fußballmannschaften. Dort wird in vierer Gruppen gespielt. Den Spielplan a6f Papier zu machen ist ja nicht schwer z.b. 1 vs 2 3 vs 4 / 2 vs 3 4 vs1 / 3 vs 1 2 vs 4 und das gleiche noch einmal für die Rückspiele. Würde das gerne auf meinem Laptop mit Python machen. Ist es dir möglich mir zu sagen wie ich das mit Python realisieren könnte. Also so einen Spielplan zu erstellen. Übrigens sehr schöner Lehrgang bin gerade bei fast 3 Stunden😊
Freut mich, dass es dir gefällt. Also: Eigentlich musst du nur deine Teams anlegen (kannst du auch durch eine Benutzereingabe easy realisieren). Dann den Spielplan generieren mit einer for-Schleife z.B. oder ,wenn vorgegeben, hart gecoded. Und dann noch eine Funktion, die den Spielplan immer ausgibt und Änderungen erlaubt. Eigentlich recht ähnlich zum Spiel im Tutorial :D Das ist dann natürlich nur eine sehr einfache, rudimentäre Implementierung aber funktioniert.
Bei 37:09, müsste das Programm nicht das erste „x“ logischerweise durch das zweite „x“ ersetzen, wodurch x[1:] keinen Sinn ergeben würde, weil x ja jetzt „H“ wäre? Mir persönlich wäre y = „H“ logischer…print(y + x)
Richtig gute Frage ! In Python wird aber der rechte Ausdruck immer zuerst ausgewertet :) D.h. erst wird mit der ursprünglichen Variable das Slicing betrieben und dann erst x "überschrieben".
Hallo nochmal, ich habe schon oft versucht, Programmieren zu lernen. Ich habe mir unzählige Videos auf RU-vid angeschaut, aber nie einen Kurs bis zum Ende durchgezogen. Dann bin ich auf dein Video gestoßen. Ich muss sagen, vielen Dank! Durch deine einfache Art, den Stoff zu erklären, kann ich jetzt kleine Codes schreiben. Vielen, vielen Dank! NAIM
Findest du nicht, dass diese Sprache binnen weniger Jahre nur noch durch die KI angewendet wird? Die Rolle des Datenanalysten, so wie viele andere Rollen, werden sich grundlegend ändern. Ich sehe den Datenanalysten zukünftig nicht mehr programmieren, sondern kontrollieren. Selbst die Kontrolle wird wesentlich reduziert, weil die KI auch hier hilfreich ist.
Hm schwierige Frage. Die Rolle hat sich im letzten Jahr schon grundlegend verändert und wird sich weiter verändern. Derzeit (und ich denke noch lange) wird man programmieren, weil es einfach der direkteste Weg ist, mit einer Maschine zu kommunizieren. Es kommt beim Lernen einer Programmiersprache aber auch nur sekundär auf die Sprache an und primär auf das Lernen einer strukturierten, analytischen Denkweise :) .
das kannst du ja dann auf jeden IT Beruf anwenden (oder fast jeden wenn man mal OnSite wegnimmt). Wir arbeiten auch schon viel mit KI trotzdem ist es bisher nur ein Hilfsmittel um schneller voranzukommen. Unsere Automatisierungsprozesse schreiben wir selber mit Unterstützung der Ki da trotzdem noch ein Mensch dahinter sitzen muss der den Code oder Ablauf ersteht wenn es dann doch zu Störungen kommt. KI ist schon gut macht bisher aber auch noch viele Fehler. Azure ist größtenteils auch schon automatisiert und trotzdem sitzen da noch viele Menschen dahinter ;P
Kannst du vllt. was zum LLM Hype sagen? In meiner Firma reden alle Data Scientists und ML Engineers nur noch über LLMs und Huggingface und welche open source Modelle irgendwelche neuen Bestmarken erreicht haben. Traditionelles ML geht irgendwie total unter. Ich verstehe die Branche nicht mehr. Zumal man ja im Bereich NLP sowieso kaum noch was machen muss. GPT4 ist eines der besten Modelle und kann eigentlich fast alles. Also gibt es für Data Scientist ja eigentlich kaum was zu tun hinsichtlich NLP (Daten bereinigen, Modelle trainieren usw. muss man ja gar nicht mehr machen). Warum reden also alle über gen AI. Man kann es nutzen okay. Um z.B. Code zu generieren. Als Hiflsmittel. Aber kann es sein, dass das alles überhaupt nichts mit dem Job eines Data Scientists zu tun hat? Wofür Sprachmodelle feintunen wenn ich GPT4 habe? Mich interessiert deine Einschätzung inwieweit dieser LLM Hype die Data Science Branche und Use Cases von Machine Learning ändert oder ob das alles heiße Luft ist. Mir zumindest macht die Arbeit mit Huggingface und den open source Sprachmodelle zumindest keinen Spaß, weil ich weiß, das beste Modell heißt GPT4. Wofür also das Rad neu erfinden.
Finde es auch derzeit sehr schwer Buzz von wirklichem Inhalt zu unterscheiden. Die Challenges bei NLP sind aber gar nicht so trivial, wie du denkst. Unternehmen benutzen selten einfach GPT4, sondern müssen Modelle finetunen, eigene Vektordatenbanken aufbauen etc. Da steckt schon viel Arbeit und Know How drin. Derzeit werden 80% der Low-Skill Tasks wegautomatisiert, daher auch der Hype. Wichtig meiner Meinung nach ist aber, dass die meisten Unternehmen noch nichtmal an dem Punkt sind, dass sie überhaupt Cutting Edge DS machen können und erstmal nen solides Fundament bauen müssen. Ich kann mal überlegen, welche Videos hierfür gut wären. Hast du hier Anregungen und/oder Wünsche?
Bewegen wir uns dann noch im DS Bereich oder eher im klassischen Programmierungsbereich? Vllt mal was zu typischen Use Case die technisch anspruchsvoll sind und über "ich nutze halt gpt4" hinaus gehen. was hat es mit den vektordatenbanken auf sich und was kann man damit machen? und sind die python bibliotheken wie spacy, nltk usw nun alle überflüssig? irgendwie ja schon oder? bin einfach so verwirrt, weil ich sorge habe, dass meine klassische DS ausbildung (bootcamp) irgendwie kaum noch anklang findet. geht ja njr noch um Gen AI
Ich möchte anmerken, dass ohne List Comprehensions, Lambdas, Dunder-Methoden, Generatoren, Dekoratoren, For-Else Schleifen, unittest, "with" Kontextmanager, asyncio, usw. kann man es kaum Komplettkurs nennen. Das ist Irreführend. Grundlagenkurs kann man das nennen. Einführungskurs. Basiswissen. Aber nicht Komplettkurs. Dass dort praktische Anwendungen vorkommen macht es zu einem Kurs(!). Im Gegensatz zu einem Tutorial. Weil Kurs ist etwas mit einer abgeschlossenen inhaltlichen Vision. Aber es ist nicht komplett im Bezug auf den Lerngegenstand. Ich verstehe schon die beigelegte Interpretation, dass es "alles ist was Anfänger braucht" - ja, aber es ist kein Komplettkurs.
Danke für dein Feedback! Ich gebe dir eigentlich überall Recht und stimme definitiv zu, dass all die angesprochenen Punkte wichtig, wenn nicht sogar elementar sind. Ich habe es extra Komplettkurs für Anfänger genannt, weil ich mit diesem Kurs bezwecken wollte, dass man danach fit genug ist, um auf eigene Faust weiter zu lernen: Sei es mehr in die Developer-, Data Science- oder Engineering -Richtung.
Naja Python die beste Sprache würde ich nicht sagen. Von der Performance schlechter als C++ usw. Spätestens wenn Mio auch ne gute bibiothek bzw frameworks zur Verfügung hat, wird sie bestimmt Python in den Schatten stellen. Mio von der Syntax einfach wie Python (bzw. fast gleich) und hat die Performance von den Compiler C++ Also nur meine Erfahrung bisher, kann jeder ne andere Meinung haben.
