Die 3D-Technik dient nicht nur zur Herstellung von Kunststoffteilen. Für einen Datenwissenschaftler ermöglicht sie die Visualisierung komplexer Modelle in drei Dimensionen und erleichtert die Erkennung von Mustern, die auf einem flachen Bildschirm unbemerkt bleiben. Beispielsweise offenbart ein gedrucktes Modell bei der Analyse der räumlichen Verteilung von Verkäufen in einer Stadt Zonen hoher Dichte, die ein 2D-Diagramm verbirgt.
Taktile Datenvisualisierung mit Blender und Python 🧊
Der Workflow beginnt in Python, wo Daten mit Bibliotheken wie Pandas und NumPy verarbeitet werden. Anschließend werden sie nach Blender exportiert, das die Variablen in 3D-Netze umwandelt. Nach der Modellierung der Geometrie wird eine Slicing-Software wie Cura oder PrusaSlicer verwendet, um den G-Code zu generieren. Der 3D-Drucker, sei es FDM oder SLA, materialisiert den Datensatz in ein physisches Objekt. Dies ermöglicht es, die Korrelation zwischen Variablen buchstäblich in der Hand zu halten – etwas, das ein Streudiagramm nicht bietet.
Der Tag, an dem dein Chef dich um ein Modell der Datenbank bittet 🖨️
Stell dir jetzt vor, dein Chef kommt und bittet dich: Ich muss die Daten anfassen. Du überreichst ihm eine mit Stacheln übersäte Kugel, die die Standardabweichung der Quartalsverkäufe darstellt. Der Gesichtsausdruck, wenn er nicht weiß, wo er sie anpacken soll, ist derselbe wie damals, als du ihm erklärt hast, was ein neuronales Netz ist. Aber Vorsicht: Wenn der Druck fehlschlägt und die Kugel deformiert wird, sagst du ihm, es sei ein Modell der polynomischen Regression. Niemand diskutiert mit gedruckten Teilen.