Google Colab Tutorial für Data Scientists

An einem Data-Science-Projekt zu arbeiten, ist immer spannend – egal, ob du als Data-Science-Einsteiger loslegst oder bereits jahrelange Erfahrung mitbringst.

Die Einrichtung der Arbeitsumgebung, die Installation benötigter Pakete, die sichere Ablage aller Projektdateien und die Grenzen der eigenen Hardware können jedoch schnell zur Hürde werden.

In diesem Guide erfährst du, wie Google Colab deinen Data-Science-Workflow deutlich vereinfacht und beschleunigt.

Inhaltsverzeichnis:

• Was ist Google Colab?
• Dein erstes Google-Colab-Notebook erstellen
• Warum sich Google Colab lohnt
• Vorinstallierte Data-Science-Bibliotheken
• Einfaches Teilen und Zusammenarbeiten
• Nahtlose Integration mit GitHub
• Colab-Notebooks in GitHub speichern
• Mit Daten aus verschiedenen Quellen arbeiten
• Daten von deinem Rechner laden
• Google Drive in Colab einbinden
• Ein GitHub-Repo in Colab klonen
• Entfernte Daten abrufen
• Automatisches Speichern und Versionskontrolle
• Zugriff auf Hardware-Beschleuniger wie GPUs und TPUs
• DataLab: Ein Überblick
• Einschränkungen von Google Colab
• Fazit

Was ist Google Colab?

Google Colab ist eine cloudbasierte Jupyter-Notebook-Umgebung von Google Research. Mit einer einfachen, intuitiven Oberfläche hilft dir Colab, praktisch ohne Setup in deine Data-Science-Reise zu starten.

Wenn du dich für Data Science mit Python interessierst, ist Colab ein hervorragender Ort, um Projekte zu starten, ohne dir Gedanken über die Konfiguration deiner Umgebung zu machen. Google Colab ermöglicht das Schreiben und Ausführen von Python-Code direkt im Browser und bringt viele der beliebtesten Python-Data-Science-Bibliotheken bereits mit.

In den folgenden Abschnitten lernst du die Funktionen von Google Colab im Detail kennen.

Dein erstes Google-Colab-Notebook erstellen

Am besten versteht man etwas, wenn man es selbst ausprobiert. Lass uns mit unserem ersten Colab-Notebook starten:

• Öffne colab.research.google.com. Du siehst den folgenden Bildschirm. Um Code schreiben und ausführen zu können, musst du dich mit deinen Google-Zugangsdaten anmelden. Das ist der einzige notwendige Schritt. Weitere Konfiguration ist nicht erforderlich.

• Sobald du angemeldet bist, kannst du ein neues Notebook über „File“ → „New notebook“ erstellen, wie unten gezeigt:

Nachdem du ein neues Notebook erstellt hast, kannst du es umbenennen. Jetzt bist du bereit, mit dem Projekt loszulegen.

• Google Colab ist eine in sich geschlossene Umgebung. Du kannst Python-Code schreiben und mithilfe von Markdown-Zellen auch Text mit formatiertem Inhalt und Medien einfügen, wie unten zu sehen. So kannst du Schritt-für-Schritt-Anleitungen ergänzen und die Lesbarkeit erhöhen.

Jetzt, da du weißt, wie du ein Colab-Notebook erstellst, schauen wir uns im nächsten Schritt die Vorteile an.

Warum sich Google Colab lohnt

Neben der einfachen Nutzung im Browser mit Google-Login bietet Colab eine Reihe hilfreicher Funktionen für die Data-Science-Community. Das sind die wichtigsten Vorteile:

• Vorinstallierte Data-Science-Bibliotheken
• Einfaches Teilen und Zusammenarbeiten
• Nahtlose Integration mit GitHub
• Arbeiten mit Daten aus verschiedenen Quellen
• Automatisches Speichern und Versionskontrolle
• Zugriff auf Hardware-Beschleuniger wie GPUs und TPUs

Vorinstallierte Data-Science-Bibliotheken

Die vorinstallierten Bibliotheken sind ein Hauptgrund, warum Colab ideal ist, um Data-Science-Projekte nahezu sofort aufzusetzen.

Colab bringt Python-Bibliotheken für Datenanalyse und -visualisierung wie NumPy, pandas, matplotlib und seaborn bereits mit. Du kannst sie direkt in dein Projekt importieren und nach Bedarf nutzen, ohne sie vorher installieren zu müssen.

Diese Bibliotheken reichen für die meisten Datenanalyseprojekte aus und ermöglichen, die Datenvorverarbeitung und explorative Datenanalyse (EDA) im ML-Workflow größerer Projekte erfolgreich abzuschließen.

Wenn du diese Bibliotheken souverän beherrschen willst, schau dir den Lernpfad Data Analyst with Python von DataCamp an.

Zusätzlich sind Machine-Learning-Bibliotheken wie scikit-learn sowie Deep-Learning-Frameworks wie PyTorch, TensorFlow und Keras vorinstalliert.

Du kannst Machine-Learning- und Deep-Learning-Projekte ohne jede lokale Installation umsetzen. Alles, was du brauchst, ist ein Browser – und dein Projekt läuft in wenigen Minuten.

Gemeinsam an Projekten zu arbeiten, ist extrem lehrreich. Im nächsten Abschnitt siehst du, wie Colab Zusammenarbeit erleichtert.

Einfaches Teilen und Zusammenarbeiten

In einer lokalen Jupyter-Umgebung ist Zusammenarbeit oft umständlich. In Colab kannst du dein Notebook teilen und gemeinsam mit Freundinnen, Freunden und Kolleginnen, Kollegen daran arbeiten.

Das Teilen aktivierst du mit einem einzigen Schritt, wie im folgenden Bild gezeigt.

Nahtlose Integration mit GitHub

Als Developer nutzt du GitHub ständig, um Änderungen an Projektdateien nachzuvollziehen. In Kombination mit Colab wird das noch komfortabler.

So speicherst du deine Notebooks in GitHub-Repositories:

Colab-Notebooks in GitHub speichern

1. Wähle „File“ → „Save a copy in GitHub“, um dein Notebook in einem GitHub-Repository zu sichern.

1. Anschließend wirst du aufgefordert, Colab zu autorisieren. Diese Autorisierung ist nötig, damit Colab Commits in dein Repository pushen kann.

1. Bestätige danach den Zugriff gemäß den Anweisungen auf dem Bildschirm.

2. Nach erfolgreicher Autorisierung erscheint das folgende Fenster.

Im obigen Bild gilt Folgendes:

• „username“ und „name of the repo“ sind Platzhalter. Du siehst dort deinen GitHub-Nutzernamen und kannst das Repository auswählen, in das das aktuelle Notebook gepusht werden soll.

• Standardmäßig ist der „main“-Branch des gewählten Repos vorausgewählt, du kannst jedoch jeden Branch wählen. Auch den Dateipfad kannst du anpassen.

• Schreibe zum Schluss eine aussagekräftige Commit-Message und klicke auf „Ok“ – der Commit wird in das gewählte GitHub-Repository gepusht.

So kannst du all deine Colab-Notebooks in GitHub-Repositories hosten. Das fördert Wissensaustausch und lebendige Open-Source-Projekte.

Mit Daten aus verschiedenen Quellen arbeiten

In jedem Data-Science-Projekt startest du damit, den Datensatz in deine Arbeitsumgebung zu importieren. In diesem Abschnitt lernst du verschiedene Wege kennen, wie das in Google Colab funktioniert.

Daten von deinem Rechner laden

Um Dateien von deinem lokalen Rechner hochzuladen, klicke im Tab „Files“ auf das Symbol „File upload“ und wähle die gewünschte Datei aus.

Google Drive in Colab einbinden

Wenn du deine Dateien lieber in Google Drive speicherst, kannst du es ganz einfach in die aktuelle Colab-Instanz einbinden. So greifst du auf alle in deinem Drive abgelegten Datensätze und Dateien zu.

Es gibt mehrere Wege dafür:

• Klicke im Tab „Files“ auf das „drive“-Symbol und folge den Anweisungen.

• Nach erfolgreichem Einbinden siehst du den Ordner „drive“ als verfügbares Verzeichnis im Tab „Files“.

Alternativ kannst du deinen Google Drive auch mit folgendem Code in einer Codezelle mounten.

from google.colab import drive
drive.mount('content/drive')

Du wirst aufgefordert, den Zugriff zu gewähren. Wähle „Connect to Google Drive“. Wie oben solltest du danach den Ordner „drive“ im Tab „Files“ sehen.

Ein GitHub-Repo in Colab klonen

Wenn du Zugriff auf alle Dateien eines GitHub-Repositories brauchst, kannst du es wie folgt in deinen Workspace klonen.

Mit der folgenden Zeile klonst du jedes entfernte GitHub-Repository – ersetze einfach den Platzhalter.

!git clone <URL of the repo>

Entfernte Daten abrufen

Manchmal musst du deinen Datensatz aus dem Web holen. So geht’s:

Da du im Notebook-Umfeld gängige Shell-Befehle ausführen kannst, lässt sich mit „!wget“ entfernte Daten per URL abrufen.

Holen wir uns nun den Boston-Housing-Datensatz, der im DataCamp-Kurs „Supervised Learning with scikit-learn“ verwendet wird.

Der Datensatz ist unter dieser URL zu finden. Das folgende Bild zeigt den erfolgreichen Abruf.

Automatisches Speichern und Versionskontrolle

Hattest du schon einmal Schwierigkeiten, verlorene Dateien in einem Projekt wiederherzustellen?

Mit Colab ist das kein Thema: Alle Notebooks werden automatisch im Drive des Google-Kontos gespeichert, mit dem du angemeldet bist.

Auch bei gemeinsamer Arbeit kannst du alle Änderungen im Zeitverlauf über die Versionshistorie nachvollziehen. Gehe zu „File“ → „Revision History“, um Änderungen und Zeitpunkte einzusehen.

So sieht eine Beispiel-Historie aus:

Zugriff auf Hardware-Beschleuniger wie GPUs und TPUs

Nicht selten reichen die Spezifikationen deines lokalen Rechners – insbesondere die Rechenleistung – bei großen Deep-Learning-Modellen nicht aus.

Um diese Grenzen zu überwinden, bietet Colab Zugriff auf Hardware-Beschleuniger wie Graphics Processing Units (GPU) und Tensor Processing Units (TPU), damit du Deep-Learning-Modelle schneller trainieren kannst.

Die folgenden Abbildungen zeigen, wie du GPUs in Colab aktivierst – in nur zwei Schritten.

1. Gehe zu „Runtime“ → „Change runtime type“.

1. Wähle unter „Hardware accelerator“ je nach Bedarf GPU oder TPU aus.

Bis hierhin hast du die nützlichsten Colab-Features für Data Science kennengelernt. Wenn dich das anspricht, wirf auch einen Blick auf DataLab. Du kannst DataLab mit einem kostenlosen DataCamp-Account direkt im Browser nutzen.

DataLab: Ein Überblick

DataLab ist eine komplett browserbasierte Umgebung für all deine Data-Science-Aufgaben. Du programmierst in Python oder R mit integrierter SQL-Unterstützung und arbeitest ohne Setup mit anderen zusammen.

• Wenn du dein Data-Science-Portfolio aufbauen willst, ist DataLab eine starke Wahl. Du kannst ein neues Python- oder R-DataLab erstellen oder direkt mit einem GitHub-Repository starten.

• Ähnlich wie Google Colab bietet DataLab zahlreiche Features: vorinstallierte Bibliotheken, vorab geladene Datensätze, Integrationen zu gängigen Datenquellen und vieles mehr. Du kannst Python- und R-Code schreiben und ausführen sowie formatierten Text und Bilder hinzufügen.

• Sobald du ein Notebook veröffentlicht hast, kannst du es einfach teilen und gemeinsam bearbeiten.

• DataLab bringt zahlreiche vorab geladene Datensätze, Templates und Playbooks zu vielen Themen mit – etwa unüberwachtes Lernen, Marktanalysen, Natural Language Processing und mehr. Diese Vorlagen geben dir genug Struktur, um direkt mit Projekten zu starten.

• Du musst deine Notebooks nicht in einem GitHub-Repository hosten. Alle Notebooks sind über dein DataCamp-Profil erreichbar, sodass du dein gesamtes Data-Science-Portfolio über deinen kostenlosen DataCamp-Account präsentieren kannst.

• Mehr über DataLab erfährst du in der Dokumentation.

Einschränkungen von Google Colab

So hilfreich Colab ist, solltest du folgende Einschränkungen kennen:

• Die kostenlose Colab-Instanz reicht für kleine bis mittelgroße Projekte. Allerdings ist die GPU-Nutzung begrenzt. Typischerweise kannst du Modelle bis zu 12 Stunden auf der GPU trainieren, danach wird die Laufzeit getrennt. Für längere GPU-/TPU-Nutzung musst du auf Colab Pro upgraden.

• Google Colab ist auf Data Science mit Python zugeschnitten. Es gibt jedoch Szenarien, in denen du R, SQL oder andere Sprachen nutzen möchtest, etwa für Datenbankzugriffe. Colab unterstützt aktuell nur Python. Wenn du lieber mit R arbeitest und Integrationen zu MySQL benötigst, schau dir DataLab an.

• In Colab werden Nachfrage und Zuteilung von Hardware-Beschleunigern in Echtzeit gesteuert. Das kann zeitweise zu Schwankungen beim Zugriff auf GPUs und TPUs führen.

• Dateien und Bibliotheken, die du installierst, gelten nur für die aktuelle Colab-Instanz. Nach dem Trennen der Laufzeit gehen alle Dateien und Pakete in dieser Instanz verloren. Wenn du in mehreren Sprints arbeitest, musst du erneut eine Laufzeit verbinden und alle benötigten Pakete installieren.

• Colab setzt pro Instanz ein Limit für den verfügbaren Speicherplatz, abhängig von der zugewiesenen Maschine. Das kann bei sehr großen Datensätzen zum Engpass werden.

Fazit

In diesem Tutorial hast du die nützlichsten Funktionen von Google Colab aus Data-Science-Sicht kennengelernt. Außerdem hast du gesehen, wie dir DataLab hilft, ein Data-Science-Portfolio direkt im Browser aufzubauen – und warum es eine starke Option ist, um mit einem kostenlosen DataCamp-Account sofort loszulegen.