Go (Golang) für Data Science: Ein praktischer Leitfaden

Go (Golang) erobert rasant die Welt der Backend-Entwicklung, aber nur wenige wissen, dass diese Sprache ein mächtiges Werkzeug für Data Science ist. Das Buch „Go (Golang) für Data Science“ ist der erste praktische Leitfaden, der zeigt, wie man die Geschwindigkeit, Einfachheit und Parallelität von Go nutzt, um Aufgaben der Datenanalyse, den Aufbau von Pipelines und sogar maschinelles Lernen zu lösen.

Worum geht es in diesem Buch?

Das Buch deckt den gesamten Zyklus der Arbeit mit Daten in Go ab: vom Laden und Bereinigen bis zur Visualisierung und dem Deployment von Modellen. Sie lernen, große Datenmengen effizient zu verarbeiten, indem Sie Goroutinen und Kanäle nutzen, und machen sich mit dem Go-Ökosystem für Data Science vertraut.

• Grundlagen der Datenarbeit: Lesen von CSV, JSON, Parquet, Arbeiten mit Datenbanken (PostgreSQL, ClickHouse) und Stream-Verarbeitung.
• Bibliotheken für die Analyse: Detaillierte Betrachtung der Pakete gonum, gota, dataframe und goNum für Statistik und lineare Algebra.
• Maschinelles Lernen mit Go: Implementierung von Regression, Klassifikation, Clustering mit goLearn, go-ml und gorgonia (neuronale Netze).
• Visualisierung: Erstellung von Diagrammen mit go-echarts, plot und Integration mit Jupyter Notebook über gophernotes.
• Production-Pipelines: Erstellung von Microservices für ML, Arbeit mit Kafka, gRPC und Deployment von Modellen in Docker.

Für wen ist dieses Buch?

• Data Scientists und Analysten, die über Python hinausgehen und die Leistung von Go für die Echtzeitverarbeitung von Millionen von Datensätzen nutzen möchten.
• Go-Entwickler, die ihre Fähigkeiten in Richtung Datenanalyse und maschinelles Lernen erweitern möchten.
• Dateningenieure (Data Engineers), die hochlastige ETL-Pipelines aufbauen und ein schnelles und zuverlässiges Werkzeug benötigen.

Was werden Sie lernen?

• Wie man Daten 10-mal schneller lädt, bereinigt und transformiert als mit Python.
• Wie man die Nebenläufigkeit von Go für die parallele Verarbeitung von Datensätzen nutzt.
• Wie man Modelle des maschinellen Lernens ohne Python erstellt und in der Produktion einsetzt.
• Wie man Go mit beliebten Data-Science-Tools integriert: Jupyter, Pandas (über gopandas), TensorFlow (über tfgo).
• Reale Anwendungsfälle: Log-Verarbeitung, Zeitreihenvorhersage, Empfehlungssysteme.

Das Buch enthält Dutzende von Codebeispielen, die sofort ausgeführt werden können, sowie praktische Aufgaben zur Festigung des Stoffes. Sie erhalten fertige Projektvorlagen und Links zu Open-Source-Repositories.

Unabhängig davon, ob Sie mit Terabytes an Logs arbeiten oder ein Modell für ein Startup erstellen – Go bietet Ihnen die Geschwindigkeit von C und die Einfachheit von Python. Beginnen Sie noch heute Ihre Reise in Data Science mit Go!