Data Science mit Python – Einführung in Python Seminar

Einführung

• Kurzer Hintergrund zu Python und Anaconda
• Installieren von neuen Paketen
• Die Entwicklungsumgebung (IDE) Spyder
• Lizenzinformationen
• Aspekte von Python, die anders als in anderen Programmiersprachen sind

Datenstrukturen in Python

• Unterschied Funktionen vs. Methoden
• Datenstrukturen in Python (number, tuple, list, dictionary, string)
• Überblick und wichtige Methoden zu den Datenstrukturen
• Unterschied list vs. tuple
• Die Besonderheit des Wertes NaN
• Wann benutze ich welche Klammer [], (), {}?
• Eine Sequenz von Zahlen erzeugen
• List comprehension

Einführung in das Data Science Paket pandas

• Elemente eines pandas data.frame
• Eine Zeile ansprechen, hinzufügen und verändern
• Eine Spalte ansprechen, hinzufügen und verändern
• Boolean indexing
• Ein leeres data.frame erstellen
• Überblick über Methoden im data.frame, um einen Überblick der Daten zu erhalten.

Grundlegende Statistiken mit pandas

• Überblick über Statistiken, die ich mit einem data.frame berechnen kann (Anzahl an gültigen Beobachtungen, Summe, Mittelwert, Median, Minimum, Maximum, Varianz,…)
• Eine Kreuztabelle (Kontingenztafel) berechnen
• Fehlende Werte ergänzen
• Variablen standardisieren
• Logische Operatoren

Daten einlesen

• Das Arbeitsverzeichnis in Python setzen
• Ein CSV einlesen und schreiben und Überblick über die nützlichsten Parameter hierfür
• Eine Excel Datei einlesen und schreiben und Überblick über die nützlichsten Parameter hierfür
• Python’s pickle modul zum Speichern von Python Objekten
• Verschiedene Datentypen konvertieren (integer, unsigned integer, float, string)

Data handling mit Pandas

• Löschen einer Zeile und Spalte
• Überblick über Methoden, ein data.frame anzupassen (Spaltennamen ändern, Werte ersetzen, ein data.frame sortieren, ein data.frame nach einer kategorischen Variable gruppieren, randomisiert Zeilen aus einem data.frame auswählen)
• Pivotieren eines data.frame: Umwandeln zwischen long und wide Format (gestapelt und ungestapelte Daten)

Visualisierung mit matplotlib und pandas

• Die Hauptelemente beim Plotten mit matplotlib
• Einen Plot anpassen (x- und y-Achse ändern, Beschriftungen, Legende und Titel ändern) und speichern
• Auswahl von Farben
• Subplots erstellen
• Erstellen von Scatterplot, Linienplot, Barplot, (gruppiertes) Histogram, Boxplot

Control Flows

• Die range() Funktion
• Eine eigene Funktion schreiben
• Default Parameter in einer Funktion setzen
• For Schleifen
• If-Else Bedingungen
• While Schleife
• Logische Vergleichsoperatoren
• Zuweisungsoperatoren

Algorithmen im Data Science (theoretischer Überblick)

• Big Data und die vier Vs von Big data
• Was ist Machine Learning
• Die Einteilung von Algorithmen im Machine Learning (supervised Learning – unsupervised learning – reinforcement learning)
• Einführung in wichtige Algorithmen: Lineare Regression, Logistische Regression, Entscheidungsbäume, Random Forest, Support Vector Machine (SVM), K-means, Kerndichteschätzer
• Overfitten und wie ich es entdecken und vermeiden kann
• Kreuzvalidierung, confusion matrix, ROC Kurve

Algorithmen im Data Science (in der Praxis)

• Die Schritte beim Modellieren (Aufteilung der Daten in Test-Train, Model erstellen, Model validieren)
• Praktische Umsetzung der theoretisch behandelten Algorithmen mit dem Paket scikit-learn
• Trainieren und Validieren von Modellen

Finaler use case zur Wiederholung des Gelernten

• Abgeschlossenes Projekt, indem die wichtigsten Schritte wiederholt werden können vom Daten Einlesen, Daten handling, über Visualisierung und Erstellen und Vergleich von Machine Learning Algorithmen