4.9 bei Google (49 Bewertungen)

Python PowerPackage

Python PowerPackage: Data Science, Datenanalyse & Machine Learning

Zu den Terminen

Dieses PowerPackage kombiniert die Inhalte der Kurse Python für Data Science – Datenanalyse und Einblick Machine Learning und Machine Learning Workshop – Hands-on Datenanalyse mit Python in einer Veranstaltung. Die Programmiersprache Python bietet mit einer umfangreichen Landschaft an Bibliotheken zur Datenverarbeitung, -auswertung und -visualisierung sowie Architektur von Machine Learning Modellen eine ideale Plattform für Data Scientists. Die Teilnehmerinnen und Teilnehmer des Trainings lernen die wichtigsten Grundlagen der Programmiersprache Python zügig kennen und erarbeiten in interaktiven Übungen die Grundlagen im Umgang mit Daten (u.a. Import, Verarbeitung, Analyse und Darstellung). Der Workshop gibt zudem einen ersten Einblick in das Thema Machine Learning und bearbeitet ein erstes Beispiel anhand einer Klassifizierung. Data Science und Machine Learning bilden keine Ausnahme: die graue Theorie kann praktische Erfahrung nicht ersetzen. Datenhandhabung und Analyse lassen sich am besten in Ihrer Anwendung erlernen. Indem Fehler gemacht und aus diesen retrospektiv Erkenntnisse abgeleitet werden, festigen sich der Erfahrungsschatz und das Wissen. In diesem Kurs behandeln die Teilnehmerinnen und Teilnehmer anhand eines Fallbeispiels alle Aspekte der Datenanalyse und des Aufbaus von Machine Learning Modellen. Angefangen von der Datennahme, über die Verarbeitung und Bereinigung der Daten, hin zu einfachen statistischen Modellen, Hypothesen und letztendlich dem Training und der Validierung von Machine Learning Algorithmen, behandelt der Kurs alle Aspekte der Arbeit eines Data Scientist.

Inhalte

PowerPackage Python Teil 1

  • Grundlagen der Programmiersprache Python

  • Effiziente numerische Berechnungen (mit numpy)

  • Verarbeitung und explorative Analyse von Daten (mit pandas)

  • Visualisierung (u. a. matplotlib, plotly)

  • Machine Learning-Konzepte im Überblick (u. a. algorithmische und statistische Grundlagen, Lernszenarien, Metriken, Evaluation)

  • Machine Learning Pipeline am Beispiel einer Klassifizierung (mit scikit-learn)

  • Interaktives Material und durchgehende interaktive Übungen (mit Jupyter Notebooks)

PowerPackage Teil 2

  • Wiederholung

    • Interaktiv arbeiten mit Jupyter Notebooks

    • Python (Grundlagen & Bibliotheken: numpy, pandas, matplotlib, scikit-learn)

    • Machine Learning

  • Vorstellung des Fallbeispiels

    • Beschreibung der Problemstellung

    • Gemeinsames Brainstorming zum Vorgehen

    • Vorstellung eines minimalen Prototypen

  • Gruppenarbeit der TN

    • Regelmäßige Q&A Runden

    • Individuelle Hilfestellungen

  • Vorstellung der Ergebnisse

Python PowerPackage Zielgruppe:

Das Python PowerPackage richtet sich an Anwenderinnen und Anwender, die einen Einstieg in das Thema Datenanalyse und seine Umsetzung mit Python suchen und die anhand eines Fallbeispiels den Umgang mit echten Daten und die Implementierung von Machine Learning Lösungen üben wollen.

Python PowerPackage Voraussetzungen:

Die Teilnehmerinnen und Teilnehmer dieses Python PowerPackage sollten ein Interesse für die Arbeit mit Daten und statistischen Methoden mitbringen sowie mit Grundlagen der Programmierung vertraut sein. Grundkenntnisse der Programmiersprache Python sind von Vorteil.

Schulungen, die dich interessieren könnten

Unternehmen in Deutschland, Österreich und der Schweiz, die uns vertrauen

Lufthansa Logo
BMW Logo
Bundeswehr Logo
Logo der ARD Gruppe
Zalando Logo
Volkswagen Logo

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.