Gestern war die zweite Code Night des Biele­felder Data Sci­ence Mee­tups, wo in Kle­in­grup­pen eine App auf Grund­lage der offiziellen Wohn­la­genkarte der Stadt Biele­feld erar­beit­et wird. Mit ein­er inter­ak­tiv­en Karte soll die Möglichkeit geschaf­fen wer­den, Präferen­zen wie z.B. die Nähe zu Eis­die­len oder Anschluß an den öffentlichen Nahverkehr einzugeben und auf dieser Grund­lage eine Bew­er­tung der Wohn­la­gen in Biele­feld zu erhal­ten. Schritte: Ver­ar­beitung von Geo­dat­en, das Abfra­gen der Open­Streetmap-API, Bew­er­tungsal­go­rith­men, Dash­board-Gestal­tung mit Dash bzw. Shiny.

Wohnlagenkarte Bielfeld

Nach­dem in der ersten Ver­anstal­tung bere­its ein Anfang mit der Sta­tis­tik-Pro­gram­mier­sprache R gemacht war, ging es gestern in ein­er Gruppe darum, gewün­schte Fea­tures und Quellen für den Bew­er­tungsal­go­rith­mus zu besprechen, während die andere Gruppe den R‑Stand auch mit Python auf die Beine zu stellen.

Für uns ist Python die Sprache der Wahl, da sie anders als die spez­i­fisch auf sta­tis­tis­che Berech­nun­gen und die graphis­che Darstel­lung der Ergeb­nisse abzie­lende Sprache R “mul­ti pur­pose” ist. Die Investi­tion in das Python-Ökosys­tem bedeutet, mit ein und der­sel­ben Grund­lage alle möglichen The­men­felder wie z.B. Web­seit­en, lokale App­lika­tio­nen, Inter­net of Things, kün­stliche Intel­li­genz und Vieles mehr beack­ern zu kön­nen. Python ist über­all. Und bei Sta­tis­tik und graphis­ch­er Darstel­lung der Ergeb­nisse ist Python ein eben­solch­es Schw­ergewicht wie R, d.h. die ver­füg­baren Bib­lio­theken deck­en alles ab und sind gut getestet und doku­men­tiert.

Tagged with →