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 →