Nej, jeg ved ikke noget om dem. Jeg hader alle slanger.

Denne udtalelse fra en pensioneret elektroniktekniker med speciale i maskinkodning satte mig lidt på spidsen. Jeg spurgte ikke, om han vidste noget slangearten; jeg ville vide, om han vidste noget om computersproget.

Måske var det fordi vores videokonferenceforbindelse ikke var så god, eller måske troede han, at fordi han er en ivrig gartner, at jeg hentydede til krybdyr - selv om jeg gyser ved tanken om, hvilken slags have pythonslangerr ville kalde hjem.

Det kunne også bare være, at Python ikke var så kendt eller brugt inden for hans specialområde, så han havde aldrig haft grund til at studere det.

Jeg forklarede min forudsætning - research til denne artikel, vi havde et godt grin og diskuterede et af hans andre kompetenceområder: det spirende datalogi område. Det var i vækst på det tidspunkt, hvor han gik på pension, og det er stadig i vækst i dag.

Faktisk er "datavidenskab" et af de mest googlede udtryk. Denne statistik er i sig selv betydningsfuld; den er lige så vigtig som forholdet mellem datavidenskab og Python.

Så lad os finde ud af, hvad datavidenskab helt præcist er, dens forhold til Python, og hvordan du kan skabe dig en tilfredsstillende og givende karriere ved at melde dig til et programmeringskursus i python og lære om dem begge.

De bedste undervisere i programmering
Asger
4,8
4,8 (5 anmeldelser)
Asger
250kr
/t
Gift icon
1. undervisning gratis!
Alex
5
5 (1 anmeldelser)
Alex
350kr
/t
Gift icon
1. undervisning gratis!
Daniel
5
5 (1 anmeldelser)
Daniel
210kr
/t
Gift icon
1. undervisning gratis!
Christian
5
5 (1 anmeldelser)
Christian
200kr
/t
Gift icon
1. undervisning gratis!
Kristian
Kristian
180kr
/t
Gift icon
1. undervisning gratis!
Joachim
4
4 (1 anmeldelser)
Joachim
150kr
/t
Gift icon
1. undervisning gratis!
Charlie
Charlie
200kr
/t
Gift icon
1. undervisning gratis!
Laust
Laust
200kr
/t
Gift icon
1. undervisning gratis!
Asger
4,8
4,8 (5 anmeldelser)
Asger
250kr
/t
Gift icon
1. undervisning gratis!
Alex
5
5 (1 anmeldelser)
Alex
350kr
/t
Gift icon
1. undervisning gratis!
Daniel
5
5 (1 anmeldelser)
Daniel
210kr
/t
Gift icon
1. undervisning gratis!
Christian
5
5 (1 anmeldelser)
Christian
200kr
/t
Gift icon
1. undervisning gratis!
Kristian
Kristian
180kr
/t
Gift icon
1. undervisning gratis!
Joachim
4
4 (1 anmeldelser)
Joachim
150kr
/t
Gift icon
1. undervisning gratis!
Charlie
Charlie
200kr
/t
Gift icon
1. undervisning gratis!
Laust
Laust
200kr
/t
Gift icon
1. undervisning gratis!
Kom i gang

Hvad er datalogi?

Hvordan kan du knytte statistik og dataanalyse til informatik? Ved at kalde det datalogi.

Mærkeligt nok er der stadig ikke enighed om, hvad datavidenskab helt præcist er. I løse vendinger er det defineret som ovenfor, men grundlæggende er det stadig et begreb, ikke en egentlig videnskab.

python kursus
Det er ikke så længe siden, at primitive regnemaskiner var det primære værktøj for dataanalytikere, og som nu er blevet erstattet af super computere i erhvert hjem (Kilde: Unsplash)

Udtrykket dukkede første gang op i 1962, da den amerikanske statistiker John Tukey definerede det, han lavede, som dataanalyse. Hans arbejde inkorporerede mange aspekter af nutidens datalogi, men det var først i 1985, at begrebet optrådte officielt for første gang. Der gik yderligere syv år, før et nyt forskningsområde, der kombinerede principper og begreber fra statistik og dataanalyse med datalogi, blev formelt anerkendt.

Dette område blev kendt som datavidenskab.

Hver af disse datoer har en særlig betydning i computerverdenen:

  • I 1962 blev det første computerprogram lanceret, RAM og virtuel hukommelse blev udviklet
  • 1985: C++-programmeringssproget blev offentliggjort; MIT grundlagde sit Media Lab, og Michael Dell, grundlæggeren af Dell Computers, åbnede sit første firma (specialbyggede personlige computere).
    • Nintendo lancerede sin NES-spillekonsol, som bragte computerspil ud af arkaden og ind i stuen.
  • 1992: Intel Paragon parallel supercomputeren anses for at være den hurtigste computer i verden.
    • Paragon var betydningsfuld, fordi den blev brugt til at knuse alle slags data, videnskabelige og statistiske data.

Endnu et vigtigt år for datalogien: 1991. Det er året, hvor World Wide Web blev offentliggjort. Computere blev mainstream og gav dataloger en overflod af data, som de kunne spørge om - selv om de endnu ikke vidste, hvad de skulle gøre med det hele. Alligevel har dataindsamling og -analyse aldrig været det samme siden da.

Før - og selv gennem denne udvikling - havde statistikere og dataanalytikere et stort arbejde foran sig. Først skulle de indsamle deres data, beslutte, hvilke variabler de ville tage hensyn til, og hvilke metoder de ville bruge for at få indsigt i dem, og til sidst skulle de modellere de opnåede oplysninger og fortolke dem for den part, der havde bestilt undersøgelsen.

Dengang var bare det at indsamle relevante data en monumental (og besværlig) opgave, og det krævede en stor hjernekapacitet at beregne og gengive dem. I dag har dataloger en overflod af data bogstaveligt talt lige ved hånden, og de har computere, der kan spytte spredningsdiagrammer ud på forespørgsel.

Nu tager dataloger det spændende område inden for maskinlæring til sig, hvor de lærer computere at forbedre deres algoritmer ved hjælp af data. Dette og datamining, hvor man finder mønstre i store datasæt, er i øjeblikket de vigtigste retninger, som datalogien bevæger sig i.

python kursus
Skoler over hele verden fremmer uddannelse i datalogi for at imødekomme det stigende behov for dataloger. (Kilde: Unsplash)

Pythons etos

I 1990 stødte Sir Tim Berners-Lee på en stor forhindring på vejen til at få sit World Wide Web til at gå i luften: finansiering.

Problemet var, at hans kode kun kunne køre på NeXT-computere. Har du nogensinde set en eller hørt om det mærke? Det var Steve Jobs' tidlige kreation, der blev lanceret i 1985. Det fik ikke meget markedsandel, og allerede 12 år efter at maskinerne kom på markedet, var mærket uddødt.

På det tidspunkt byggede andre innovatorer computere med forskellige styresystemer, som alle formentlig kunne være kompatible med Sir Berners-Lees internetkode. Problemet var, at CERN var World Wide Web's finansielle bagmand, men beslutningstagerne var utilfredse med at skulle betale for yderligere softwareversioner.

Derfor blev alle softwareingeniører, programmører, alle, der kendte noget til programmeringssprog, opfordret til at skrive browsere, der kunne køre på alle typer maskiner. Faktisk var det en ren tekstside, som blev sendt ud over det eksisterende computernetværk.

Denne lille internethistorie er en af grundene til, at der findes så mange programmeringssprog i dag.

En anden grund til alle programmeringssprogene er, at de forskellige sprog omhandler forskellige aspekter af computerbrug. Nogle lægger vægt på høj ydeevne, den slags, der er nødvendig i robotteknologi og spil, mens andre er skrevet specifikt til ønskede funktioner - Java er et godt eksempel på dette. Du kan endda udvikle computerspil i Python! Hvor passer Python ind i billedet?

Programmeringssproget Python blev født ud af frustration over programmeringssprogenes alt for komplekse syntaks. Hvis du f.eks. arbejder i Java eller C++ og ønsker at give en printkommando, ville din kode bestå af flere linjer, krøllede parenteser, hashtags og andre symboler.

I modsætning hertil er print-kommandoen i Python en enkelt linje, der starter med kommandoen - print, efterfulgt af det, der skal udskrives, i parenteser og dobbelte anførselstegn.

Pythons ethos er enkelhed. Faktisk er Zen of Pythons tredje udsagn "Simple is better than complex". Længere nede på listen over de 19 principper finder vi at "Sparse is better than dense." og "Readability counts."

Indrømmet, disse udsagn er beregnet til at definere, hvordan Python skal skrives: enkelt, sparsomt og læsbart. Dette er desuden også årsagen til, at Python er optimalt for de unge, der gerne vil lære at programmere. Giv dit barn et forspring i livet og find et programmering for børn kursus nær jer. De vil uden tvivl takke dig i fremtiden.

Men hvis man betragter dem i forbindelse med dataanalyse, får disse adjektiver så ikke en helt anden betydning?

python kursus
Python gør det muligt for forskere at analysere data af enhver type og gengive visuelle resultater (Kilde: Unsplash)

Datalogi og Python

Python er velegnet til flere aspekter af databehandling. Det er f.eks. et af de tre mest anvendte sprog inden for webudvikling og anvendes også inden for robotteknologi, om end i begrænset omfang.

Af alle de områder, som Python tilpasser sig, er datalogi et af de områder, hvor det er mest udbredt. Takket være dets Python Package Index (PyPI) med næsten 300 tusind moduler kaldet pakker - blandt dem matematiske biblioteker og funktioner - er det at foretage dataanalyse blot et spørgsmål om at sætte det rigtige modul i for at få de ønskede resultater.

Et Python-bibliotek, NumPy. indeholder en omfattende samling af matematiske funktioner, der er skrevet til at analysere flere dimensioner af datamatricer og matricer.

Python indeholdt oprindeligt ikke sprog til numerisk kodning. Men da dette programmeringssprog tidligt vakte interesse i det videnskabelige samfund, blev dette underskud hurtigt indhentet gennem en særlig interessegruppe, der ikke spildte nogen tid på at sammensætte en pakke til matrixberegning.

SciPy er en anden Python-pakke, der er særlig gavnlig for datalogi; dens fokus er på teknisk og videnskabelig databehandling. Dette bibliotek indeholder lineære algebra-moduler samt moduler til integration, interpolation og billedbehandling. Især dets modul for specielle funktioner er et fantastisk værktøj for dataloger, fordi det indeholder hjælpeprogrammer, der er afgørende for forskellige typer analyser, fra matematiske til funktionelle.

Og så er der Matplotlib, Pythons plottingbibliotek, som er i stand til at integrere plot i applikationer via en objektorienteret applikationsprogrammeringsgrænseflade (API). Det lyder kompliceret og meget videnskabeligt, men det kan i bund og grund koges ned til en gruppe kodede computerprogrammer, der, når de udføres, gengiver analyserede data som et spredningsdiagram, en graf - todimensionel eller 3D-graf, et linjeplot eller et histogram.

NumPy, SciPy og Matplotlib er tre grunde til, at datavidenskab og Python er så tæt forbundet. Uanset om en datavidenskabsforsker arbejder med markedsføringsdata, kosmiske data eller atmosfæriske data, har hvert af disse biblioteker moduler, der er i stand til at analysere og levere visuelt fortolkede resultater. 

Og så er der pandas, et andet bibliotek skrevet til Python, der er designet til dataanalyse og -manipulation. Det lyder underfundigt, men datamanipulation er en integreret del af dataanalyse. Man er nødt til at indstille parametre, så de data, der undersøges, bliver brugbare.

Pythons store katalog af analytiske funktioner og matematiske værktøjer gør dette programmeringssprog uundværligt for dataloger af enhver art.

Uden Python-applikationer til at give en hånd med, ville dataloger blive knust under nutidens enorme mængder af data - fra kosmologiske og miljømæssige spørgsmål til hvordan folk handler. Og i betragtning af de mange nye måder, hvorpå analyserede data anvendes, er det ikke underligt, at datalogi i øjeblikket er et af tidens hotteste karriereområder. Er du klar til at lære python nær dig? Meld dig til et programmering kursus København og lær en ny karrierestyrkende kompetence på rekordtid.

Oplev selv de mange måder, hvorpå Python og dataanalyse bruges på...

>

Platformen der forbinder undervisere og elever

Første undervisning gratis

Kunne du lide denne artikel? Skriv en anmeldelse!

5,00 (1 anmeldelse(r))
Loading...

Adil

Adil bor i København, hvor hun arbejder som freelanceoversætter og underviser i dansk. Udover dansk taler Adil også engelsk, russisk og tysk. Når Adil ikke arbejder elsker hun at rejse, løbe og dyrke yoga.