Einführung in Data Science mit Python für Anfänger

Dauer
Ausführung
Vor Ort
Startdatum und Ort

Einführung in Data Science mit Python für Anfänger

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
8. Okt 2024 bis 10. Okt 2024
Details ansehen
event 8. Oktober 2024, 09:00-17:00, online Training, Seminar 54411
placeonline Training
2. Dez 2024 bis 4. Dez 2024
Details ansehen
event 2. Dezember 2024, 09:00-17:00, online Training, Seminar 54411

Beschreibung

Grundlegende Konzepte in Python:

  • Installation neuer Pakete
  • Verwendung von PyCharm als integrierter Entwicklungsumgebung (IDE)
  • Unterschiede in Funktionen und Methoden
  • Vergleich wichtiger Python-Aspekte mit anderen Programmiersprachen

Arbeiten mit dem pandas-Paket und DataFrames:

  • Struktur eines DataFrames (Zeilen, Spalten)
  • Auswahl von Zeilen und Spalten
  • Erstellen, Löschen und Ändern von Zeilen und Spalten
  • Verwendung von Boolean-Indexing zur Zeilenauswahl anhand logischer Abfragen
  • Zusammenfassung von Daten für einen Überblick

Berechnung von Statistiken direkt in pandas DataFrames:

  • Durchführung einfacher Statistiken direkt auf DataFrames (Durchschnitt, Minimum, Maximum, Summe, Median, Varia…

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, Data Science, Python, Big Data und Data Analytics.

Grundlegende Konzepte in Python:

  • Installation neuer Pakete
  • Verwendung von PyCharm als integrierter Entwicklungsumgebung (IDE)
  • Unterschiede in Funktionen und Methoden
  • Vergleich wichtiger Python-Aspekte mit anderen Programmiersprachen

Arbeiten mit dem pandas-Paket und DataFrames:

  • Struktur eines DataFrames (Zeilen, Spalten)
  • Auswahl von Zeilen und Spalten
  • Erstellen, Löschen und Ändern von Zeilen und Spalten
  • Verwendung von Boolean-Indexing zur Zeilenauswahl anhand logischer Abfragen
  • Zusammenfassung von Daten für einen Überblick

Berechnung von Statistiken direkt in pandas DataFrames:

  • Durchführung einfacher Statistiken direkt auf DataFrames (Durchschnitt, Minimum, Maximum, Summe, Median, Varianz usw.)
  • Aggregation und Filterung von Daten
  • Ersetzen von fehlenden Werten
  • Erstellung von Kreuztabellen (Kontingenztabellen)

Datenverarbeitung: Einlesen und Schreiben von Daten:

  • Festlegung des Arbeitsverzeichnisses in Python und der IDE Spyder
  • Einlesen und Schreiben von CSV- und Excel-Dateien
  • Datenimport von einer URL
  • Übersicht über nützliche Parameter
  • Lesen und Schreiben im Python-Format "pickle"
  • Handhabung großer Datensätze

Kontrollstrukturen:

  • Erstellung eigener Funktionen
  • Festlegung von Standardparametern in Funktionen (Positional Arguments und Keyword Arguments)
  • Anwendung von For-Schleifen
  • Implementierung von If-Else-Bedingungen
  • Verwendung von List Comprehensions mit If-Else

Datenvisualisierung mit seaborn/matplotlib:

  • Grundlegende Aspekte von matplotlib
  • Anpassung von Achsenbeschriftung, Legende und Titel
  • Speichern von Diagrammen
  • Erstellung von Diagrammtypen wie Linien-, Box-, Histogramm-, Scatter- und Balkendiagrammen in seaborn
  • Variation oder Festlegung von Darstellungsmerkmalen (Punktgröße, Farbe, Gruppierung) durch eine Variable

Textmanipulation im DataFrame und Einführung in numpy:

  • Zeilenweise Textbearbeitung in DataFrames
  • Extraktion von Informationen aus Texten
  • Erstellung von numpy-Arrays und Slicing nach Zeilen und Spalten
  • Anwendung von Funktionen auf numpy-Arrays

Überblick über Machine Learning:

  • Einführung in das Konzept des Machine Learnings
  • Praktische Anwendungsbeispiele
  • Unterscheidung von künstlicher Intelligenz, Machine Learning und Deep Learning
  • Erklärung des Unterschieds zwischen überwachtem und unüberwachtem Lernen
  • Besprechung von Overfitting, Train-Test-Split und Kreuzvalidierung

Entscheidungsbaum mit scikit-learn:

  • Datenaufteilung in Test- und Trainingsdaten, Modellerstellung und Validierung
  • Grundlagen des Entscheidungsbaum-Algorithmus
  • Umsetzung in Python
  • Ergebnisvalidierung (u. a. Verwirrungsmatrix, Sensitivität, Genauigkeit)
  • Anpassung von Hyperparametern während des Trainings

Neuronales Netz und K-Nearest Neighbor:

  • Grundlagen dieser Algorithmen
  • Training eines Multi-Layer-Perceptrons (MLP)
  • Umsetzung in Python mit scikit-learn
  • Ergebnisvalidierung (u. a. Verwirrungsmatrix, Sensitivität, Genauigkeit)
  • Anpassung von Hyperparametern

K-Means Clustering:

  • Erstellung und Validierung eines Cluster-Modells
  • Grundlagen des K-Means-Algorithmus
  • Umsetzung in Python mit scikit-learn
  • Ergebnisvalidierung

Clustering mit DBSCAN:

  • Funktionsweise des DBSCAN-Clustering-Algorithmus
  • Worin liegt der Unterschied zu K-Means?
  • Umsetzung in Python mit scikit-learn
  • Ergebnisvalidierung (Sillhouette Score, Calinski-Harabasz)

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.