Abseits von NumPy, Pandas und Scikit-learn verdienen diese sieben Data-Science-Tools für Python einen Platz in Ihrem Toolkit.
SQL ist eine bequeme Lösung, um Daten zu managen und abzufragen. Allerdings nur, wenn Sie dabei diese Verfehlungen vermeiden.
Mit LM Studio können Sie LLMs lokal auf Ihrem Desktop hosten und ausführen. Wir haben ausprobiert, wie (gut) das funktioniert.
Eigenständige Datenbanken bieten diverse Vorteile. Diese vier Lösungen sind für Developer besonders empfehlenswert.
Mit diesen zehn Kniffen holen Sie das Optimum aus Microsofts Visual Studio Code.
CPython hat einen neuen, nativen JIT-Compiler. Wie sich dieser im Vergleich mit PyPy schlägt, haben wir herausgefunden. Die Ergebnisse könnten Sie überraschen.
Der Python Package Installer uv soll künftig nicht nur pip und venv ersetzen.
Virtualenv und venv sollten Ihnen geläufig sein, wenn Sie Ihre Python-Projekte optimal aufsetzen wollen. Das sollten Sie zum Thema Python Virtual Environments wissen.