Mit den geeigneten Plattformen und Entwicklungswerkzeugen lassen sich KI-Projekte sehr schnell umsetzen. Insbesondere die vielversprechenden Deep-Learning-Technologien besitzen eine Vielzahl an Entwicklungstools, die es KI-Entwicklern erlauben, weniger Zeit für aufwendige Grundlagen-Implementationen aufzubrauchen und dafür mehr Zeit für die Problemlösung selbst zu finden.

In mehreren Teilen geht es bei uns hier deshalb rund um die Entwicklung: angefangen bei einem Einstieg in die Pythonprogrammierung über die Betrachtung gängiger Entwicklungstools und -frameworks bis hin zu Deep-Learning-Grundlagen und Implementation. Diese Reihe erlaubt es Programmierern ohne KI-Kenntnisse, startbereit für Deep Learning zu werden. An den einzelnen Teilen kann sequenziell teilgenommen werden, benötigte Kenntnisse in späteren Teilen werden in vorherigen Teilen vermittelt. Einzig für den ersten Teil sollten allgemeine Programmierkenntnisse vorhanden sein.

Dieser Teil stellt die Brücke zwischen herkömmlicher Pythonprogrammierung und Deep Learning her. Im Vordergrund steht hier das Python-Modul Numpy, welches ein integraler Bestandteil aller mathematisch-wissenschaftlicher Python-Projekte ist und das dem Kern der meisten Python-Module im maschinellen Lernen entspricht. Im Anschluss wird aufbauend hierauf direkt ein solches Modul genauer vorgestellt: Pandas – das Modul für die Verarbeitung von tabellenbasierten Daten.

Die Kenntnis dieser beiden Module ebnet den Weg hin zu den im dritten Teil thematisierten Deep-Learning-Modulen.