Weil die gestrige Linkschleuder meinen Feedreader immer noch nicht wirklich geleert hatte, schiebe ich heute noch eine weitere nach: Dieses Mal mit Links für Programmierer, Data Scientists, zur Datenvisualisierung und allem, was im weitesten Sinne mit Python, R und Processing zu tun hat. Das räumt den Feedreader schon mal ordentlich leer.
Immer daran denken: You code for people. Not machines! (Gibt es auch als Poster für Euer Büro.)
Isochronenkarten sind Konturlienienpläne gleicher Laufzeit, um von einem zentralen Punkt zu anderen zu gelangen. Drew Fustin zeigt Euch, wie man sie in Python mit der Google Maps Distance Matrix API erzeugt: Isochrones using the Google Maps Distance Matrix API.
Und wenn ich schon mal bei geospatialen Berchnungen bin: Understanding projections with spatial and geo data – transform your basemaps using CARTO and PostGIS.
Google Cloud Container Builder: A fast and flexible way to package your software.
Eine großartige Visualisierung: Mapping 5,000 Years of City Growth. Mit einem Link zu den verwendeten Datensätzen.
Wolfgang Schorch: Trendanalysen mithilfe von Geodaten und freier Software.
Noch mehr Erkenntnisse aus geospatialen Daten: Forecasting gentrification in city neighborhoods, with R. Was für San Francisco, gilt sicher auch für Neukölln. Nur … wo bekomme ich die Daten her?
WordCram ist eine Processing-Bibliothek, um die beliebten Wort-Wolken zu erzeugen. Martin Prout hat sie nach JRubyArt portiert: WordCram gem for JRubyArt and propane.
Eine Wort-Wolke zu seinem 70. Geburtstag: Tidy Text Mining of David Bowie’s Lyrics.
Noch mehr zu Wort-Wolken (die Dinger sind wohl zu Zeit ungeheuer populär): Text mining and word cloud fundamentals in R – 5 simple steps you should know.
Marcelo Perlin hat ein Buch mit kntir und RMarkdown geschrieben: Writing an R book and self-publishing it in Amazon. My experience and some advices about the process.
Strenge Jacke (das Blog heißt wirklich so) publiziert auch mit knitr und RMarkdown: Direct integration of sjPlot-tables in knitr-rmarkdown-documents.
Armando Fandango über das NumPy Array Object.
Datenvisualisierung: Using PostgreSQL and shiny with a dynamic leaflet map: monitoring trash cans von Fisseha Berhane
Es muß aber nicht immer PostgreSQL sein! derselbe Fisseha Berhane zeigt Euch, wie man die Mongo DB mit R nutzt.
Noch einmal Fisseha Berhane; Analytical and Numerical Solutions to Linear Regression Problems.
Das Collatz-Problem beschäftigt schon seit Jahren (Hobby-) Mathematiker und Informatiker. Hier ein neuer Beitrag von Peter Prevos: Longest Collatz Sequence.
Facebook stellt Prognosewerkzeug unter Open-Source-Lizenz: Prophet, ein in Implementierungen für Python und R vorliegendes Prognosewerkzeug für Zeitreihenanalysen, läßt sich in sehr unterschiedlichen Szenarien nutzen.
nbviewer and GitHub’s rate limit – ein Rant!
John M. Miller: The Continued Existence of the Emacs IPython Notebook.
ggedit 0.1.1: Shiny module to interactvely edit ggplots within Shiny applications.
Maschinelles Lernen mit Python und Rodeo: Beginner’s Guide to Customer Segmentation.
Noch mehr zu maschinellem Lernen: A comparison of deep learning packages for R.
Schmutzige Geheimnisse der Künstlichen Intelligenz: The dirty secret of machine learning. Ein Gespräch mit David Beyer.
DeepCoder: Forscher stellen selbst programmierende Künstliche Intelligenz vor. Wissenschaftler von Microsoft und der University of Cambridge haben eine Künstliche Intelligenz geschaffen, die Programmierprobleme durch die Wiederverwendung von Codezeilen aus anderen Programmen lösen können soll ().
Weil man es tatsächlich auch heute immer noch einigen erklären muß: The difference between R and Excel und R for Excel Users.
Weil ich mit meiner (partiellen) Farbenblindheit Paletten immer gebrauchen kann: Creating WOVNS patterns in ruby.
Für Eure Wochenendbasteleien: Which Robotics Kit Is Right for You? Andrew Terranova stellt Euch einige vor.
Und last but not least: Die Python-Entwicklung ist (endlich?) auf GitHub gelandet.
War sonst noch was? Ach ja, Mike Loukides fragte, ob Tablets die neuen Laptops sind? Wohl eher nicht. Denn:
Likewise, I hate spreadsheets. I have to deal with them reasonably often, but if I need to do anything remotely sophisticated, I’m likely to start up Emacs, import a spreadsheet library, and pick the spreadsheet apart with a Python or Ruby script. Much nicer than playing with nasty pivot tables. And I occasionally do much more ambitious things, like playing around with machine learning libraries or implementing some algorithm just to see if I can. Could I do all of this on a tablet? It’s a nice idea, but I’ve yet to see a tablet with a decent software development environment: Emacs or Vim (not even going to think about asking for Eclipse or some fancy IDE), Python, Java, Ruby, gcc, build tools, and all that other stuff.
Das hätte er einfacher haben können, denn ich hatte schon vor Jahren erklärt, daß das iPad nur eine Fernbedienung sei.
Und das obige Gemälde der Lady Godiva soll Euch und mich einfach nur daran erinnern, daß wir in diesen prüden Zeiten wieder mehr Wegguckbilder brauchen. Hätte ich nämlich fast vergessen. Danke an Burks, daß er mich daran erinnerte.
Über …
Der Schockwellenreiter ist seit dem 24. April 2000 das Weblog digitale Kritzelheft von Jörg Kantel (Neuköllner, EDV-Leiter, Autor, Netzaktivist und Hundesportler — Reihenfolge rein zufällig). Hier steht, was mir gefällt. Wem es nicht gefällt, der braucht ja nicht mitzulesen. Wer aber mitliest, ist herzlich willkommen und eingeladen, mitzudiskutieren!
Alle eigenen Inhalte des Schockwellenreiters stehen unter einer Creative-Commons-Lizenz, jedoch können fremde Inhalte (speziell Videos, Photos und sonstige Bilder) unter einer anderen Lizenz stehen.
Der Besuch dieser Webseite wird aktuell von der Piwik Webanalyse erfaßt. Hier können Sie der Erfassung widersprechen.
Diese Seite verwendet keine Cookies. Warum auch? Was allerdings die iframes
von Amazon, YouTube und Co. machen, entzieht sich meiner Kenntnis.
Werbung