Programmierung | Python
Data Science Python – Einführung in Python

Seminar-Beschreibung

Eine der am weitest verbreiteten Programmiersprachen ist Python. Sie hat sich vor Allem auch im Bereich Data Science etabliert. In diesem Seminar erhalten Sie den Einstieg, um mit Python Daten zu analysieren und Machine Learning Algorithmen umsetzen zu können.

Schulungsziel

Eigenständiges Arbeiten im Bereich Data Science mit Python ist nun grundlegend möglich. Das erworbene Wissen eigenständig weiter auszubauen, stellt kein Problem mehr da. Sie können die wichtigsten Algorithmen im Machine Learning anwenden und weitere Algorithmen darauf aufbauend schnell erfassen.

Schulungsformen

Online-Schulung

3 Tage

1 – 25 Teilnehmer

Online

Preis nach Angebot

Firmen-Schulung

3 Tage (anpassbar)

1 – 15 Teilnehmer

Biplus ACADEMY, Bonn

Preis nach Angebot

Inhouse-Schulung

3 Tage (anpassbar)

1 – 30 Teilnehmer

In Ihrem Hause/Büro

Preis nach Angebot

Seminar-Details

Wer teilnehmen sollte

Projektleiter und Technisch interessierte Fachkräfte die der Programmiersprache Python mächtig werden wollen und sich eigenständig um Data Science Projekte kümmern möchten.

Grundkenntnisse im Bereich der Programmiersprachen und grundlegende statische Begriffe sind hilfreich.

Ihre Schulung

Präsenz-Schulung
Online-Schulung

Präsenz-Schulung

Lernmethode
Vermittlung der Theorie in Kombination mit der Bearbeitung von praxisnahen Beispielen.

Unterlagen
Seminarunterlagen oder Fachbuch zum Seminar inklusive, das man nach Rücksprache mit dem Trainer individuell auswählen kann.

Arbeitsplatz:
PC/VMs für jeden Teilnehmer
Hochwertige und performante Hardware
Große, höhenverstellbare Bildschirme

Lernumgebung
Neu aufgesetzte Systeme für jeden Kurs in Abstimmung mit dem Seminarleiter.

Arbeitsmaterialien
Din A4 Block, Kugelschreiber

Teilnahmebescheinigung
Wird am Ende des Seminars ausgehändigt, inkl. Inhaltsverzeichnis

Schulungszeiten
5 Tage, 09:00 - 16:00 Uhr

Ort der Schulung:
Biplus ACADEMY
Godesberger Allee 125–127
53175 Bonn
oder bei Ihnen als Inhouse-Schulung

Räumlichkeiten
Helle und modern ausgestattete Räume mit perfekter Infrastruktur.

Online-Schulung

Lernmethode
Jeder Teilnehmer erhält seine eigene Lernumgebung, dadurch kann der Trainer die Übungen in einer Mischung aus Theorie und Praxis wie in einem Präsenzseminar durchführen.
Die Kommunikation zwischen Trainer und Teilnehmer erfolgt via zoom aber auch Teams, Webex oder eine andere bevorzugte Lösung.

Unterlagen
Seminarunterlagen oder Fachbuch zum Seminar inklusive, kann nach Rücksprache mit dem Trainer individuell ausgewählt werden. Alle benötigten Unterlagen bekommen Sie rechtzeitig vor Beginn der Schulung per Post zugeschickt.

Arbeitsplatz
Virtual Classroom mit eigenem Schulungs-PC für jeden Teilnehmer.
Hochwertige und performante Hardware.
Die Virtual Classroom Lösung lässt sich im Browser betreiben.
Keine Installation am eigenen PC notwendig.
Zugang zu Ihrem Firmennetz erlaubt.
Auf Wunsch können Monitor, Webcam etc. günstig zur Verfügung gestellt werden.

Lernumgebung
Neu aufgesetzte Systeme für jeden Kurs in Abstimmung mit dem Seminarleiter.

Arbeitsmaterialien
Din A4 Block, Notizblock, Kugelschreiber, USB-Stick, Textmarker, Post-its

Teilnahmebescheinigung
Das Teilnahmezertifikat, inkl. Gliederung der behandelten Themen wird Ihnen per Post zugesandt.

Schulungszeiten
5 Tage, 09:00 - 16:00 Uhr

Ort der Schulung
Online im Virtual Classroom

Buchen ohne Risiko

Rechnungsstellung
Erst nach dem erfolgreichen Seminar. Keine Vorkasse.

Stornierung
Kostenfrei bis zum Vortag des Seminars

Vormerken statt buchen
Sichern Sie sich unverbindlich Ihren Seminarplatz schon vor der Buchung – auch wenn Sie selbst nicht berechtigt sind zu buchen.

Bildungsgutschein
Bildungsscheck NRW, Bildungsprämie

Seminar-Inhalte

Einführung

  • Kurzer Hintergrund zu Python und Anaconda
  • Installieren von neuen Paketen
  • Die Entwicklungsumgebung (IDE) Spyder
  • Aspekte von Python, die anders als in anderen Programmiersprachen sind

Einführung in das Data Science Paket pandas

  • Elemente eines pandas data.frame
  • Eine Zeile ansprechen, hinzufügen, löschen und verändern
  • Eine Spalte ansprechen, hinzufügen, löschen und verändern
  • Boolean indexing
  • Ein leeres data.frame erstellen
  • Überblick über Methoden, ein data.frame anzupassen (Spaltennamen ändern, Werte ersetzen, ein data.frame sortieren, ein data.frame nach einer kategorischen Variable gruppieren, randomisiert Zeilen aus einem data.frame auswählen)

Grundlegende Statistiken mit pandas

  • Überblick über Statistiken, die ich mit einem data.frame berechnen kann (Anzahl an gültigen Beobachtungen, Summe, Mittelwert, Median, Minimum, Maximum, Varianz,…)
  • Eine Kreuztabelle (Kontingenztafel) berechnen
  • Fehlende Werte ergänzen
  • Logische Operatoren

Daten einlesen

  • Das Arbeitsverzeichnis in Python setzen
  • Ein CSV einlesen und schreiben und Überblick über die nützlichsten Parameter hierfür
  • Python’s pickle modul zum Speichern von Python Objekten
  • Verschiedene Datentypen konvertieren (integer, unsigned integer, float, string)

Visualisierung mit matplotlib und seaborn

  • Die Hauptelemente beim Plotten mit matplotlib
  • Einen Plot anpassen (x- und y-Achse ändern, Beschriftungen, Legende und Titel ändern) und speichern
  • Auswahl von Farben
  • Subplots erstellen
  • Erstellen von Scatterplot, Linienplot, Barplot, (gruppiertes) Histogram, Boxplot

Control Flows

  • Die range() Funktion
  • Eine eigene Funktion schreiben
  • Default Parameter in einer Funktion setzen
  • For Schleifen
  • If-Else Bedingungen
  • While Schleife
  • Logische Vergleichsoperatoren

Zuweisungsoperatoren

Überblick über Machine Learning

  • Was ist Machine Learning
  • Die Einteilung von Algorithmen im Machine Learning (supervised Learning – unsupervised learning – reinforcement learning)
  • Overfitting, Train-Test-Split und cross-validation (Kreuzvalidierung)

Machine Learning Algorithmen (Theorie und Praxis)

  • Einführung in den Algorithmus (Lineare Regression, Entscheidungsbaum)
  • Train-Test Split der Daten
  • Umsetzung des Algorithmus in Python
  • Validieren der Ergebnisse (u.a. confusion matrix, sensitivity, accuracy)
  • Cross-validation (Kreuzvalidierung)

Weitere Machine Learning Algorithmen in Python

  • Erklärung von (SVM), Random Forest und K-means
  • Umsetzung dieser Algorithmen in Python
  • Validieren der Ergebnisse
  • Cross-validation (Kreuzvalidierung)

Diese Seminare könnten Sie auch interresieren

XML mit Python

Vorteile und den Aufbau sowie den Zweck der verschiedenen XML-Technologien lernen Sie anhand vieler Übungen kennen.

jetzt ansehen

XML mit Python

Die teilnehmenden Absolventen dieser Schulung lernen, wie man XML-Daten in Python erzeugt, verarbeitet und auswertet. Sie lernen die Unterschiede und Alternativen von DOM und SAX kennen und können durch ElementTree, xml.dom, xml.sax und lxml Daten validieren, abfragen und speichern.

jetzt ansehen

Webentwicklung mit Python und Django Framework

Sie können das Django-Framework nutzen, um sich auf die Entwicklung ihrer Webanwendung zu konzentrieren. Mit dem erworbenen Wissen, sind Sie in der Lage, datenbankgesteuerte Web-Backends inklusive Benutzerauthentifizierung, Inhalts- und Formularverwaltung bereitzustellen.

jetzt ansehen