Das erste Buch behandelt Analyseverfahren für Zeitreihen, die maschinelles Lernen nutzen, das zweite bietet eine umfangreiche Einführung in das Thema Datenbanken.

Prognosen aus Zeitreihen

Mit Zeitstempeln versehene Datenreihen sind allgegenwärtig: Ob tägliche Umsatzzahlen, Messwerte eines Sensors, Aktienkurse oder Daten aus dem Monitoring – all das sind Zeitreihen. Um daraus möglichst viele wertvolle Informationen zu gewinnen, kann man ihnen mit hergebrachter Statistik zu Leibe rücken. Alternativ bieten sich Verfahren aus dem Fundus des maschinellen Lernens an. Eben diesen widmet sich das Buch “Machine Learning für Zeitreihen” von Jochen Hirschle.

Es wendet sich insbesondere an Einsteiger in die Thematik, denen es gängige Verfahren aus dem Bereich KI näherbringen will, ohne allzu viel vorauszusetzen. Nach einer kurzen Einführung geht es um die nötige Vorverarbeitung der Daten. Alle Beispiele im Buch beruhen auf Python und seinen Bibliotheken, weshalb hier auch Pandas und NumPy zur Sprache kommen. Insbesondere geht es um Zugriffe auf Vorgänger und Nachfolger eines Datums und um das Füllen möglicher Lücken in einer Zeitreihe.

Das dritte Kapitel führt in einige grundlegende Algorithmen ein, namentlich in die lineare und logistische Regression sowie die Verallgemeinerung Letzterer, die Softmax-Regression. Das folgende Kapitel diskutiert dann Prognoseverfahren für univariate Zeitreihen, also solche, die sich durchweg auf eine Art von Messwert beziehen. Besprochen werden die Autoregression, das Moving-Averages-Modell und die Zusammenführung beider im ARIMA-Verfahren (Autoregression Integrated Moving Averages). Ausführlich kommen die Anwendungsvoraussetzungen, die Datenvorverarbeitung und die Bedeutung der Parameter dieses Verfahrens zur Sprache.

Das fünfte und letzte Kapitel erörtert schließlich den Einsatz neuronaler Netze im Zusammenhang mit Zeitreihendaten. Kurz führt es in ihre prinzipielle Arbeitsweise ein und behandelt dann vertieft rekurrente Netze (darunter LSTM – Long Short Term Memory) und GRUS – Gate Recurrent Unit). In diesem Zusammenhang demonstriert der Autor die Möglichkeiten der Python-Bibliothek Tensorflow/Keras. Alles in allem liegt mit dem Buch eine empfehlenswerte, praxisorientierte Einführung in maschinelle Lernverfahren für Zeitreihen vor.

Alles über Datenbanken

“Datenbanksysteme – das umfassende Lehrbuch” ist mit rund 750 Seiten schon physisch ein Schwergewicht. Auch inhaltlich versucht das Werk, fast alle Aspekte des großen Themenfelds Datenbanken anzusprechen. Dabei geht der Autor sozusagen chronologisch vor. An eine Betrachtung, warum und wofür es überhaupt Datenbanken gibt, schließt sich zunächst die Vorstellung des relationalen Modells an. Dem Lehrbuchcharakter wird das Buch unter anderem dadurch gerecht, dass es jedem Kapitel ausführliche Kontrollfragen nachstellt.

Bereits im Zusammenhang mit dem relationalen Modell werden Kritikpunkte daran vorgestellt wie hohe Komplexität wegen der Segmentierung der Daten, schlechte Skalierbarkeit oder Widerspruch zur objektorientierten Programmierung. Das nächste Kapitel stellt nun Ansätze vor, die diesen Kritikpunkten begegnen wollen: objektorientierte Datenbanken, OLAP-Systeme und NoSQL-Datenbanken. Im Anschluss daran geht es darum, eine Datenbank aufzubauen, angefangen bei der Datenmodellierung und der Auswahl passender Datentypen über die Indizierung bis zur Entscheidung für ein konkretes DBMS. Der gesamte Prozess wird an mehreren Beispielen durchgespielt.

Sobald es damit eine Datenbank gibt, kann man sie verwenden. Mehrere Kapitel des nächsten Buchteils führen dafür systematisch in SQL ein. Hier geht es um Datenabfragen und -änderungen, Transaktionen, Subqueries, Rekursion und Zusatzfunktionen bis hin zu Volltextsuche und dem Umgang mit Geodaten. Für den letzten Buchteil bleibt dann noch das große Gebiet der Datenbankadministration, einschließlich Benutzerverwaltung, Logging, Backups, Replikation und Programmierung von Stored Procedures und Triggern. Ein Anhang behandelt das Einrichten einer MySQL-Datenbank und liefert die Lösungen der Kontrollfragen.

Das Lehrbuch bietet einen Rundumschlag im weiten Feld Datenbanken und spricht die allermeisten wichtigen Fragen zumindest an. Auf die herstellerspezifischen Besonderheiten einzelner DBMS-Produkte kann das Werk dabei freilich nicht eingehen. Es bereitet den Anwender jedoch gut darauf vor, sich diese Einzelheiten anhand der jeweiligen Dokumentation zu erschließen.