Die Workstations im soda.lab sind sowohl mit Windows als auch Linux (Ubuntu) Betriebssystemen ausgestattet. Hier findet Ihr die auf den jeweiligen Betriebssystemen installierte Software. Weitere Software kann bei Bedarf nach Rücksprache mit dem soda.lab Team installiert werden.

Auf Linux installierte Software:

  • Conda: Conda ist ein Open-Source Paket- und Umgebungsverwaltungssystem, das auf Windows, macOS und Linux läuft. Mit Conda lassen sich Pakete und deren Abhängigkeiten schnell installieren, ausführen und aktualisieren. Conda erstellt, speichert, lädt und wechselt einfach zwischen Umgebungen auf Ihrem lokalen Computer. Es wurde für Python-Programme entwickelt, kann aber Software für jede Sprache verwalten.
  • Jupyter Notebook: Das Jupyter Notebook ist eine Open-Source-Webanwendung, mit der Sie Dokumente erstellen und teilen können, die Live-Code, Gleichungen, Visualisierungen und erzählenden Text enthalten. Zu den Einsatzmöglichkeiten gehören: Datenbereinigung und -transformation, numerische Simulation, statistische Modellierung, Datenvisualisierung, maschinelles Lernen und vieles mehr.
  • scikit-learn: Einfache und effiziente Werkzeuge zur prädiktiven Datenanalyse, für jeden zugänglich und in verschiedenen Kontexten wiederverwendbar, aufbauend auf NumPy, SciPy und matplotlib
  • statsmodels: statsmodels ist ein Python-Modul, das Klassen und Funktionen für die Schätzung vieler verschiedener statistischer Modelle sowie für die Durchführung statistischer Tests und die statistische Datenexploration bereitstellt. Die Ergebnisse werden gegen bestehende Statistikpakete getestet, um sicherzustellen, dass sie korrekt sind.
  • Seaborn: Seaborn ist eine Datenvisualisierungsbibliothek, die auf matplotlib basiert. Sie bietet eine High-Level-Schnittstelle zum Zeichnen attraktiver und informativer statistischer Grafiken.
  • Bokeh: Bokeh ist eine Python-Bibliothek zur Erstellung interaktiver Visualisierungen für moderne Webbrowser. Sie hilft Ihnen, schöne Grafiken zu erstellen, die von einfachen Plots bis hin zu komplexen Dashboards mit Streaming-Datensätzen reichen. Mit Bokeh können Sie JavaScript-gestützte Visualisierungen erstellen, ohne selbst JavaScript zu schreiben.
  • TensorFlow: TensorFlow ist eine End-to-End-Open-Source-Plattform für Deep Learning (DL). Sie verfügt über ein umfassendes, flexibles Ökosystem von Werkzeugen, Bibliotheken und Community-Ressourcen, die es Forschern ermöglichen, den Stand der Technik in DL voranzutreiben, und Entwicklern, DL-basierte Anwendungen einfach zu erstellen und einzusetzen.
  • PyTorch: Ein Open-Source-Framework für Deep Learning, das den Weg vom Forschungsprototypen zum Produktionseinsatz beschleunigt.
  • spaCy: Natürliche Sprachverarbeitung in Python. spaCy wurde entwickelt, um Dich bei Deiner Arbeit zu unterstützen – bei der Entwicklung echter Produkte oder beim Sammeln echter Erkenntnisse. Die Bibliothek respektiert Deine Zeit und versucht, sie nicht zu verschwenden. Sie ist leicht zu installieren, und ihre API ist einfach und produktiv.
  • und viele mehr…

Auf Windows installierte Software:

  • Anaconda: Mit über 20 Millionen Anwendern weltweit ist die Open-Source-Platform Anaconda der einfachste Weg, Python/R Data Science und maschinelles Lernen auf einem einzelnen Rechner durchzuführen. Sie wurde für Einzelanwender entwickelt und ist das Toolkit, das Sie für die Arbeit mit Tausenden von Open-Source-Paketen und -Bibliotheken ausrüstet.
  • AIMMS (Advanced Interactive Multidimensional Modeling System): AIMMS ist eine Modellierungssprache und -umgebung zur Erstellung von Entscheidungsunterstützungssystemen und sog. Advanced-Planning-Anwendungen. Neben der Modellierungssprache erlaubt AIMMS die Erstellung von interaktiven Benutzeroberflächen und bietet die Möglichkeit, eine Vielzahl von Solvern, wie z. B. CPLEX, Gurobi, XPRESS, CONOPT, SNOPT, XA, BARON, LGO, KNITRO und IPOPT anzubinden. Damit können Optimierungsprobleme aus den Bereichen lineare Programmierung, nichtlineare Programmierung, ganzzahlige Programmierung, quadratische Programmierung mit einem System beschrieben und gelöst werden.
  • Gurobi: Der Gurobi Optimizer ist eine Software für mathematische Optimierung. Gurobi ist ein Solver um numerische Programmieraufgaben zu lösen. Unterstützt werden lineare Programmierung (LP), quadratische Programmierung (QP), Programmierung mit quadratischen Nebenbedingungen (QCP), gemischt-ganzzahlige lineare Programmierung (MILP), gemischt-ganzzahlige quadratische Programmierung (MIQP) und gemischt-ganzzahlige Programmierung mit quadratischen Nebenbedingungen (MIQCP).
  • gurobipy: Eine Schnittstelle zwischen Gurobi und Python. Hierdurch kann der Gurobi Optimizer direkt in selbst erstellte Python-Scripte integriert werden. Sei es als standalone Programm um bestimmte Modelle zu erstellen und lösen, welche ansonsten bspw. nicht “kompakt” formuliert werden können, als Hilfsmittel um die berechneten Daten des gelösten Mod weiterzuverarbeiten und durch die verschiedensten Python-Pakete zu visualisieren oder wenn der Optimierungsprozess nur ein Baustein in einem komplexeren Programm darstellt.
  • und viele mehr…