Data Science mit Python
Data Science mit Python - Einführung in Python
Zu den TerminenDu erhältst in der Data Science mit Python Schulung den Einstieg, um mit Python anhand vom pandas Paket Daten zu analysieren, mit seaborn plots zu erzeugen, eigene Funktionen zu schreiben Machine Learning Algorithmen umsetzen zu können. Python ist eine der weitverbreitetsten Programmiersprachen, welche im Data Science Bereich etabliert ist. Neben R ist sie derzeit die meist benutzte Data Science Programmiersprache.
Lernziele
Du kannst nach dem Kurs erste Schritte mit Python in der Data Science machen und selbstständig weiterarbeiten. Du lernst, wie du neue Algorithmen und Methoden findest, um dein Wissen zu vertiefen. Du bekommst im Data Science mit Python Seminar einen Überblick über verschiedene Machine-Learning-Algorithmen, wie sie funktionieren und wie du sie in Python umsetzt. Mit Unterstützung deines Trainers kannst du das Gelernte direkt anwenden und übst an praktischen Beispielen. Du lernst die wichtigsten Bibliotheken wie pandas, seaborn und scikit-learn kennen und wendest sie in umfangreichen Übungen an.
Inhalte
Ziele und Erwartungen der Teilnehmenden des Seminars Data Science mit Python
Klärung individueller Lernziele und Erwartungen für ein praxisnahes und relevantes Seminar
Einführung
Kurzer Hintergrund zu Python und Anaconda
Installieren von neuen Paketen
Arbeiten mit Jupyter Lab
Einführung in das Data Science Paket pandas
Elemente eines pandas data.frame
Eine Zeile/Spalte ansprechen, hinzufügen, löschen und verändern
Boolean indexing
Ein leeres data.frame erstellen
Überblick über Methoden, ein data.frame anzupassen (Spaltennamen ändern, Werte ersetzen, ein data.frame sortieren
Grundlegende Statistiken mit pandas
Überblick über Statistiken, die mit einem data.frame berechnen werden kann (Anzahl an gültigen Beobachtungen, Summe, Mittelwert, Median, Minimum, Maximum, Varianz,...)
Eine Kreuztabelle (Kontingenztafel) berechnen
Analysen mit grouphy gruppieren
Fehlende Werte ergänzen
Daten einlesen
Das Arbeitsverzeichnis in Python setzen
Ein CSV einlesen und schreiben und Überblick über die nützlichsten Parameter hierfür
Pythons pickle modul zum Speichern von Python Objekten
Verschiedene Datentypen konvertieren (integer, unsigned integer, float, string)
Visualisierung mit matplotlib und seaborn
Die Hauptelemente beim Plotten mit matplotlib
Einen Plot anpassen (x- und y-Achse ändern, Beschriftungen, Legende und Titel ändern) und speichern
Auswahl von Farben
Erstellen von Scatterplot, Linienplot, Barplot, Boxplot mit seaborn
Control Flows
Die range() Funktion
Eine eigene Funktion schreiben
Default Parameter in einer Funktion setzen
For Schleifen
If-Else Bedingungen
Logische Vergleichsoperatoren
Zuweisungsoperatoren
Überblick über Machine Learning
Was ist Machine Learning
Die Einteilung von Algorithmen im Machine Learning (supervised Learning - unsupervised learning - reinforcement learning)
Overfitting, Train-Test-Split und cross-validation (Kreuzvalidierung)
Machine Learning Algorithmen (Theorie und Praxis)
Einführung in den Algorithmus (Lineare Regression, Entscheidungsbaum)
Train-Test Split der Daten
Umsetzung des Algorithmus in Python
Validieren der Ergebnisse (u.a. confusion matrix, sensitivity, accuracy)
Optional: Weitere Machine Learning Algorithmen in Python
Erklärung von Random Forest und K-means
Umsetzung dieser Algorithmen in Python
Validieren der Ergebnisse
Cross-validation (Kreuzvalidierung)
Ende der Data Science mit Python Schulung
Zielgruppe
Technisch interessierte Fachkräfte bzw. Projektleiter, welche einen Einstieg in die Programmiersprache Python wünschen, um eigenständig an Data Science Projekten mitzuarbeiten oder ein besseres Verständnis für Python Code zu erhalten. Die Teilnehmer benötigen keine Erfahrung mit Python, sollten aber schon grundlegende Erfahrung mit einer Programmiersprache gemacht haben, um das Grundkonzept einer Programmiersprache zu verstehen. Überdies ist ein Basiswissen von grundlegenden statistischen Begriffen hilfreich (wie Mittelwert, Median, Perzentil).
Voraussetzungen
Die Teilnehmer benötigen keine Erfahrung mit Python, sollten aber schon grundlegende Erfahrung mit einer Programmiersprache gehabt haben, um das Grundkonzept einer Programmiersprache zu verstehen. Überdies ist ein Basiswissen von grundlegenden statistischen Begriffen hilfreich (wie Mittelwert, Median, Perzentil, lineare Regression).
Schulungen, die dich interessieren könnten
Unternehmen in Deutschland, Österreich und der Schweiz, die uns vertrauen
Das sagen unsere Kunden
Wir arbeiten ständig daran uns zu verbessern. Dafür sind wir auf das Feedback unserer Kunden angewiesen.

Kompetentes Online-Training mit Learning by Doing. Besser geht nicht. Jeannette M.
Sehr gute Planung und Organisation aller Microsoft Office Schulungen. Incas Training ist sehr zu empfehlen! Christopher M.
Toller Service. Hatte auf Ihrer Seite KOSTENLOS den Weg gefunden, sämtliche Animationen mit einem Schritt zu entfernen. Hat super geklappt. Vielen lieben Dank dafür. Wenn ich schon nichts bezahlen muss, dann wenigstens eine passenden Bewertung :-) Thomas S.