Bootcamp - Machine Learning und Data Science mit Python

Dauer
Ausführung
Vor Ort
Startdatum und Ort

Bootcamp - Machine Learning und Data Science mit Python

Cegos Integrata GmbH
Logo von Cegos Integrata GmbH
Bewertung: starstarstarstarstar_border 8,1 Bildungsangebote von Cegos Integrata GmbH haben eine durchschnittliche Bewertung von 8,1 (aus 47 Bewertungen)

Tipp: Haben Sie Fragen? Für weitere Details einfach auf "Kostenlose Informationen" klicken.

Startdaten und Startorte

placeonline Training
9. Sep 2024 bis 13. Sep 2024
Details ansehen
event 9. September 2024, 09:00-17:00, online Training, Seminar 54412
placeonline Training
16. Dez 2024 bis 20. Dez 2024
Details ansehen
event 16. Dezember 2024, 09:00-17:00, online Training, Seminar 54412

Beschreibung

Python-Essentials:

  • Installation von neuen Modulen
  • Jupyter Notebooks / Jupyter Lab
  • Verwendung von Funktionen und Methoden
  • Python im Vergleich zu anderen Sprachen

Grundlegende Datenstrukturen:

  • Einführung in grundlegende Datentypen (String, Integer, Float, NaN)
  • Erläuterung wichtiger Strukturen: Liste, Tupel, Wörterbuch
  • Einführung in List Comprehension

pandas-Datenverarbeitung - DataFrames:

  • Erkunden der DataFrame-Struktur (Zeilen, Spalten)
  • Auswahl von Zeilen/Spalten
  • Erstellen, Löschen und Bearbeiten von Zeilen/Spalten
  • Boolean Indexing für Zeilenauswahl

Statistiken direkt in pandas DataFrames berechnen:

  • Einfache Statistiken auf DataFrames (Mittelwert, Min, Max, Summe, Median, Varianz usw.)

Gesamte Beschreibung lesen

Frequently asked questions

Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!

Noch nicht den perfekten Kurs gefunden? Verwandte Themen: Data Science Python, Machine Learning, Data Science, Python und Big Data.

Python-Essentials:

  • Installation von neuen Modulen
  • Jupyter Notebooks / Jupyter Lab
  • Verwendung von Funktionen und Methoden
  • Python im Vergleich zu anderen Sprachen

Grundlegende Datenstrukturen:

  • Einführung in grundlegende Datentypen (String, Integer, Float, NaN)
  • Erläuterung wichtiger Strukturen: Liste, Tupel, Wörterbuch
  • Einführung in List Comprehension

pandas-Datenverarbeitung - DataFrames:

  • Erkunden der DataFrame-Struktur (Zeilen, Spalten)
  • Auswahl von Zeilen/Spalten
  • Erstellen, Löschen und Bearbeiten von Zeilen/Spalten
  • Boolean Indexing für Zeilenauswahl

Statistiken direkt in pandas DataFrames berechnen:

  • Einfache Statistiken auf DataFrames (Mittelwert, Min, Max, Summe, Median, Varianz usw.)
  • Daten aggregieren und filtern
  • Fehlende Werte behandeln
  • Kreuztabellen erstellen

Programmablaufsteuerung:

  • Eigene Funktionen erstellen
  • Default-Parameter in Funktionen festlegen (Positional und Keyword Arguments)
  • For-Schleifen verwenden
  • If-Else-Bedingungen implementieren

Datendarstellung mit seaborn / matplotlib:

  • Grundlagen von matplotlib kennenlernen
  • Anpassung von Achsen, Legende, Titel
  • Diagramme speichern
  • In seaborn verschiedene Diagrammtypen erstellen
  • Darstellungen variieren/festsetzen (Größe, Farbe, Gruppierung)

Daten einlesen und speichern:

  • Arbeitsverzeichnis in Python und spyder festlegen
  • Einlesen und Speichern von CSV- und Excel-Dateien
  • Daten von URLs beziehen
  • Überblick über Parameter
  • Lesen und Schreiben im Python-Format pickle
  • Umgang mit großen Daten

Datenbankzugriff mit SQLAlchemy:

  • Verbindung zur Datenbank herstellen
  • Tabellen extrahieren/schreiben
  • SQL-Befehle an die Datenbank senden
  • Datenabfragen per SQL-Statement direkt aus Python

Numpy-Einführung:

  • Einführung in numpy-Arrays und deren Attribute
  • Arrays erstellen und befüllen
  • Mathematische Operationen und Statistikfunktionen

Datenverarbeitung:

  • Daten normalisieren
  • Fehlende Werte ergänzen
  • Dummy-Variablen und One-Hot-Encoding

Machine Learning-Überblick:

  • Grundlagen des Machine Learning
  • Praktische Anwendungen
  • Unterschiede von KI, Machine Learning und Deep Learning
  • Überwachtes und unüberwachtes Lernen
  • Vermeidung von Overfitting, Train-Test-Split

Lineare Regression mit scikit-learn:

  • Aufteilung der Daten, Modellbau und Validierung
  • Grundlagen der linearen Regression
  • Implementierung in Python mit scikit-learn
  • Validierung der Ergebnisse (MSE)

Logistische Regression mit statsmodels:

  • Verwendung von statsmodels für statistische Modelle
  • Modellbau und Validierung
  • Grundlagen der logistischen Regression
  • Ergebnisvalidierung

Entscheidungsbaum mit scikit-learn:

  • Datenaufteilung, Modellbau und Validierung
  • Grundlagen des Entscheidungsbaums
  • Implementierung in Python
  • Validierung der Ergebnisse (u.a. Verwirrungsmatrix, Sensitivität, Genauigkeit)
  • Anpassung von Hyperparametern

Ensemblemethoden (+ AdaBoost):

  • Erstellung und Training von Ensembles mit scikit-learn
  • Bagging und Boosting
  • Grundlagen von AdaBoost für Klassifikation und Regression
  • Implementierung und Validierung

Random Forest:

  • Datenaufteilung, Modellbau und Validierung
  • Grundlagen des Random-Forest-Algorithmus
  • Validierung der Ergebnisse
  • Out-of-bag error
  • Random Forest für Regression
  • Anpassung von Hyperparametern

Weitere Algorithmen im Überblick:

  • Einführung in K-nearest Neighbor und einfache neuronale Netzwerke (MLP) mit scikit-learn
  • Implementierung und Validierung
  • Anwendung weiterer Algorithmen mit scikit-learn

Grid Search & Cross Validation:

  • Kreuzvalidierung und Grid Search mit scikit-learn
  • Automatisierte Suche nach Hyperparametern
  • Training des finalen Modells nach Kreuzvalidierung

Clustering (K-Means, DBSCAN):

  • Erstellung und Validierung von Cluster-Modellen
  • Grundlagen von K-Means und DBSCAN
  • Implementierung und Validierung

Abschluss und Fallstudie:

  • Auswahl des geeigneten Algorithmus
  • Visualisierung von Entscheidungsgrenzen
  • Fallstudie zur Wiederholung und Diskussion

Werden Sie über neue Bewertungen benachrichtigt

Es wurden noch keine Bewertungen geschrieben.

Schreiben Sie eine Bewertung

Haben Sie Erfahrung mit diesem Kurs? Schreiben Sie jetzt eine Bewertung und helfen Sie Anderen dabei die richtige Weiterbildung zu wählen. Als Dankeschön spenden wir € 1,00 an Stiftung Edukans.

Es wurden noch keine FAQ hinterlegt. Falls Sie Fragen haben oder Unterstützung benötigen, kontaktieren Sie unseren Kundenservice. Wir helfen gerne weiter!

Bitte füllen Sie das Formular so vollständig wie möglich aus

(optional)
(optional)
(optional)
(optional)
(optional)
(optional)
(optional)

Haben Sie noch Fragen?

(optional)

Anmeldung für Newsletter

Damit Ihnen per E-Mail oder Telefon weitergeholfen werden kann, speichern wir Ihre Daten.
Mehr Informationen dazu finden Sie in unseren Datenschutzbestimmungen.