Python Basiskurs
Essential Data Science Training bietet seine Kurse in den folgenden Regionen an: München
Der Python Basiskurs richtet sich an Teilnehmer, die Grundkenntnisse in Python sowie einen effizienten Umgang in der Datenaufbereitung und Datenanalyse in Python erlernen möchten. Zudem werden generelle “Best Practices” in Python vermittelt, u.a., das Schreiben von einfachen, gut lesbaren und modular erweiterbaren Code. Alle vorgestellten Themen werden mit Hilfe von Übungen der Teilnehmer unter intensiver Anleitung ausführlich erläutert, demonstriert und geübt. Der Kurs behandelt folgende Themen:
Teil 1: Einführung in Python
- Einführung in die Grundlagen von Python und nützlicher Python Module (Numpy, Pandas).
- Arbeiten mit virtuellen Umgebungen.
- Erläuterung der wichtigsten Datentypen, Ope…
Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!
Der Python Basiskurs richtet sich an Teilnehmer, die
Grundkenntnisse in Python sowie einen effizienten Umgang in der
Datenaufbereitung und Datenanalyse in Python erlernen möchten.
Zudem werden generelle “Best Practices” in Python vermittelt, u.a.,
das Schreiben von einfachen, gut lesbaren und modular erweiterbaren
Code. Alle vorgestellten Themen werden mit Hilfe von Übungen der
Teilnehmer unter intensiver Anleitung ausführlich erläutert,
demonstriert und geübt. Der Kurs behandelt folgende Themen:
Teil 1: Einführung in Python
- Einführung in die Grundlagen von Python und nützlicher Python Module (Numpy, Pandas).
- Arbeiten mit virtuellen Umgebungen.
- Erläuterung der wichtigsten Datentypen, Operatoren, Funktionen und Hilfeseiten.
- Import und Export von Daten.
- Arbeiten mit DataFrames und Vektoren (numeric, logical, character, factors), z.B. das Indizieren, Aufteilen und Umwandeln von Variablen bzw. Datensätzen.
- Berechnen von statistischen Kennzahlen (z.B.: Mittelwert, Quantile, Varianz, etc.).
Teil 2: Data Wrangling in Python
- Je nach Bedarf Wiederholung von Python Grundlagen: built-in structures, numpy, IPython, jupyter notebook, package management, jupytext
- Series und DataFrames: Generierung, Bedeutung des Zeilenindex, Filtern, Zeiger vs. Kopie
- Import und Export von Daten aus Textdateien und (unstrukturierten) Excel Tabellen, sowie der Zugriff auf Datenbanken mittels Python
- Datenbereinigung: Behandlung von fehlenden Werten, Bearbeitung von Zeichenketten, Entfernen von Duplikaten
- Transformieren von Daten durch vektorisierte Operationen wie map oder apply
- Zusammenfügen verschiedener Datenquelle und das Erzeugen einer “guten” Tabellenstruktur der Daten
- Gruppieren von Daten und Aggregationen: Split-Apply-Combine
- Zeitreihen und Datum-Zeit Objekte
Voraussetzungen: keine
Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!
