Detaillierte Informationen zum Seminar
Inhalte:
Data Science und Machine Learning mit Python – die wichtigsten Bibliotheken im Überblick
Machine Learning ist ein zentraler Teilbereich der Künstlichen Intelligenz: IT-Systeme erkennen auf Basis von Algorithmen Muster in Datensätzen und können so neue, unbekannte Daten klassifizieren. Python gilt dabei als eine der meistgenutzten Programmiersprachen in diesem Bereich. In dieser Schulung lernen Sie die wichtigsten Python-Bibliotheken für Data Science und Machine Learning kennen – darunter NumPy, Pandas und Matplotlib – und wenden diese direkt in praxisnahen Übungen und Quizzen an.
Zielgruppe und Voraussetzungen
Diese Schulung richtet sich an Analyst:innen und Wissenschaftler:innen, die in Data Science und Machine Learning mit Python einsteigen möchten. Grundkenntnisse in Python (Listen, Funktionen, Variablen, Datentypen, Schleifen, Objekte) werden vorausgesetzt.
Schulungsinhalte
- Installation Python
- Virtuelle Umgebung anlegen
- Jupyter Notebook installieren und erste Schritte
- Numpy
- Array Basics und Datentypen, Numpy Performance
- Matritzen, Vektoren
- Shapes und Reshaping
- Numpy Funktionen
- Sortierungen
- Gruppieren, Aggregate
- Broadcasting
- Boolsche Serien, Filtern
- Verteilungen (Normalverteilung, Gleichverteilung)
- Universelle Funktionen (ufuncs)
- Daten laden und speichern
- Daten plotten
- Übungen und Quizzes
- Pandas
- Series, Datentypen
- Dataframes und deskriptive Statistik (Mittelwert, Median, Modus, …)
- Spalten und Reihen (Hinzufügen, Löschen, Updaten)
- Einlesen von CSV-Dateien mit Pandas
- Grundfunktionen
- Sortieren, Aggregate, Gruppieren
- Umgang mit fehlenden Werten, NAN
- Anwenden von Funktionen auf Spalten
- Filtern, boolsche Serien
- Zeitreihen
- Joins
- Mit Pandas plotten
- Übungen und Quizzes
- Daten aus einer API auslesen
- Dataframes speichern
- Testdaten generieren mit Faker
- Matplotlib
- Funktionen plotten
- Scatterplots
- Figures und Subplots
- Histogramme
- Interaktive Plots
- Contourplots
- Übungen und Quizzes
- Themen nach Bedarf und Zeit
- Statistische Datenvisualisierung mit Seaborn (Boxplots, Pairplots)
- Erste Schritte mit Sklearn (Machine Learning)
Dauer/zeitlicher Ablauf:
Nach Vereinbarung
Teilnahmevoraussetzungen:
Python Grundwissen (Listen, Funktionen, Variablen, Datentypen, Schleifen, Objekte)
Lehrgangsverlauf/Methoden:
Schulung im Kreis der Mitarbeitenden aus Ihrem Unternehmen: in Absprache mit Ihnen als individuelle Schulung nach Ihren Bedürfnissen.
Material:
Im Preis enthalten sind Ihr WissensPiloten-Zertifikat zum Download, Stift und Notizblock
Förderung:
Bildungsscheck, andere Fördermöglichkeiten auf Anfrage
Zielgruppe:
Analyst*innen und Wissenschaftler*innen, die in die Data-Science und das Machine Learning mit Python einsteigen und sich vorab die wichtigsten Tools und Bibliotheken aneignen wollen. Grundkenntnisse in Python werden vorausgesetzt.
Seminarkennung:
ind-320102
