Ein Buch erläutert, wie man Daten passgerecht für statistische Modelle macht. Ein zweites stellt ein verbreitetes Automatisierungswerkzeug vor.

Datenaufbereitung

Mit Rohdaten lässt sich oft schlecht rechnen: Sie enthalten doppelte Werte oder lassen andere vermissen, fallen zu groß oder zu klein aus, streuen zu breit oder passen anderswie nicht zu dem statistischen Modell, das sie verarbeiten soll. Deshalb schaltet man der Auswertung in der Praxis oft einen Schritt vor, in dem die Daten bereinigt, transformiert, skaliert, kategorisiert, verdichtet, kurz: an das Modell angepasst werden. Dieser Schritt heißt im Fachchinesisch Merkmalskonstruktion, und das vorliegende Buch widmet sich ganz den Techniken und Prinzipien der Datenaufbereitung.

Nach einer Einführung in Sinn und Zweck der Datenvorbehandlung geht es mit Verfahren los, die man auf einfache Zahlenreihen anwenden kann: Binarisierung, Quantifizierung oder die logarithmische beziehungsweise Potenz-Transformation sowie Normierung und Skalierung. Alle Verfahren demonstrieren die Autorinnen gut nachvollziehbar anhand realer Datensätze und – wie im ganzen Buch – mit kurzen Codeausschnitten in Python.

Im folgenden Kapitel kommt die Rede auf Textdaten. Hier werden Methoden vom einfachen Wörterzählen über das Reduzieren auf Grundformen (Stemming) oder das Ausfiltern wenig Bedeutung tragender Worte bis hin zur Statistik von Wortfolgen vorgestellt. Es schließen sich Ausführungen zu kategorialen Variablen an, bei denen man den Zahlenwert nicht in eine Rangordnung bringen kann, wie etwa bei Benutzer-IDs oder numerischen Kennungen für Branchen.

Im Anschluss daran kommen Verfahren zur Sprache, mit denen man die Vielzahl von Merkmalen verringert (Dimensionsreduktion). An erster Stelle bietet sich hier die Hauptkomponentenanalyse an. Das folgende Kapitel erörtert das Clustern von Daten am Beispiel des k-Means-Algorithmus. Im letzten Schritt dreht sich alles um den Spezialfall Bilddaten. Dabei geht es unter anderem um das Erlernen von Bildmerkmalen mithilfe neuronaler Netze. Ein abschließendes Kapitel untersucht als ein komplexeres Beispiel die Datennutzung und verschiedene Herangehensweisen an einen Empfehlungsalgorithmus für akademische Aufsätze.

Ansible von Anfang an

Automatisierung zählt zu den derzeit wichtigsten IT-Trends – besonders, da sich andere aktuelle Entwicklungen wie Cloud Computing und Containerisierung ohne Automatisierung nicht bewerkstelligen lassen. Im Laufe der Zeit entstanden daher etliche Automatisierungwerkzeuge. Eines der bekanntesten darunter, Ansible, stellt Axel Miesen in seinem Buch im Detail vor.

Die vielen Beispiele des Buchs lassen sich in einer Laborumgebung nachvollziehen, deren Einrichtung der Autor anfangs erklärt. Anknüpfend daran geht es um die nötigen Verzeichnisstrukturen und um das Inventory, also quasi das Verzeichnis der Ziel-Hosts. Als Vorübung zu den Playbooks (den Ansible-Skripten) kommen zunächst Ad-hoc-Kommandos an die Reihe, mit denen der Anwender bereits eine Reihe von Kommandos ausprobieren kann. Weiter geht es mit der Konfigurationssprache YAML.

Damit sind nun alle Voraussetzungen geschaffen, um sich in die Grundlagen der Playbooks einzuarbeiten, die beschreiben, wie eine gewünschte Konfigurationsänderung zu erreichen ist. Solche Playbooks enthalten so gut wie immer Variablen, um deren Nutzung es im folgenden Kapitel geht. Der grundlegende Mechanismus, dessen Erklärung ansteht, sind die Rollen – das Mittel, um Tasks eines Playbooks wiederverwendbar zu machen. Die Wiederverwendbarkeit zählt schließlich auch zu den Anliegen der Ansible-Module, fertiger Skripte, die sich einzeln oder in Playbooks verwenden lassen. Ihnen ist ebenfalls ein Kapitel gewidmet.

Weiter geht es um das Webinterface, diverse weitere Tools und Techniken, um Ansible als Orchestrierungswerkzeug, um das Zusammenspiel mit Docker, um das Verwalten von Windows-Hosts, um Best Practices sowie um das Erstellen eigener Module. Damit liefert der Autor ein unverzichtbares Kompendium für alle, die sich in die Automatisierung mit Ansible einarbeiten wollen oder müssen.