Schulung Data Science Business Akademie: Python - Praxiswoche mit Zertifizierung

5 Tage / S2046

Neues Seminar

Schulungsformen

Offene Schulung

  • 5 Tage
  • 2 Termine
  • 4.690,00 zzgl. MwSt.
  • Köln

Learning & Networking in einem. Garantierte Durchführung ab 1 Teilnehmer.

Beschreibung

Die Practitioner Praxiswoche ist Teil des dreistufigen Zertifizierungspfades der "Data Science Business Akademie"

-> Certified Data Science Explorer -> Certified Data Science Practitioner -> Certified Data Science Expert 

Am Ende des Seminars haben Sie die Möglichkeit, die Prüfung (60 minütige Abschlussprüfung im Multiple-Choice-Format) für die 1. Zertifizierungsstufe "Certified Data Science Practitioner" abzulegen.

Bei Bestehen der Prüfung erhalten Sie ein Zertifikat, das Sie als "Certified Data Science Practitioner" ausweist. Ausgestellt wird es von der Knowledge Foundation @ Reutlingen University. So haben Sie einen handfesten Qualifizierungsnachweis in der Hand. 

Weitere Infos zum Zertifizierungspfad der Data Science Business Akademie und unseren Kooperationspartnern der Informationsfabrik und dem Institut  für  Angewandte Informatik der Knowledge Foundation @ Reutlingen University gibt's direkt auf unserer Data Science Business Akademie-Website:

=> https://www.datascience-business-akademie.de

Das datengetriebene Unternehmen und Industrie 4.0 sind die aktuellen Herausforderungen für die Digitalisierung der Wirtschaft. Hinter diesen Schlagworten steht Data Science als gemeinsamer methodischer Ansatz zur Auswertung und Interpretation von Daten. Data Scientists werden in Zukunft in jedem Unternehmen eine zentrale Rolle für die Wertschöpfung spielen.

Python ist eine der weitverbreitetsten Programmiersprachen, welche im Data Science Bereich etabliert ist. Neben R ist sie aktuell die am häufigsten benutzte  Data Science Programmiersprache.

Sie erhalten einen Einstieg, um mit Python Daten zu analysieren und Machine Learning Algorithmen umsetzen zu können. 

Schulungsziel

Sie können grundlegende Schritte mit Python im Bereich Data Science anwenden, so dass ein selbstständiges Arbeiten möglich ist. Wege, um weitergehende Algorithmen und Methoden in Python zu finden, sind bekannt, um das Wissen auch nach dem Seminar weiter ausbauen zu können. Sie  haben einen Überblick über verwendete Algorithmen im Machine Learning und können diese voneinander differenzieren und in Python anwenden. Sie  arbeiten überwiegend selbstständig mit Unterstützung des Trainers, um das Erlernte direkt umzusetzen und anzuwenden. Anhand eines durchgehenden Datenbeispiels werden die wichtigsten Bibliotheken besprochen und in umfangreichen Übungen trainiert. 

Details

Inhalt

  • Datenstrukturen in Python
    • Unterschied Funktionen vs. Methoden
    • Datenstrukturen in Python (number, tuple, list, dictionary, string)
    • Überblick und wichtige Methoden zu den Datenstrukturen 
    • Unterschied list vs. tuple
    • Die Besonderheit des Wertes NaN
    • Wann benutze ich welche Klammer [], (), {}?
    • Eine Sequenz von Zahlen erzeugen
    • List comprehension
  • Einführung in das Data Science Paket pandas
    • Elemente eines pandas data.frame 
    • Eine Zeile ansprechen, hinzufügen und verändern 
    • Eine Spalte ansprechen, hinzufügen und verändern
    • Boolean indexing
    • Ein leeres data.frame erstellen
    • Überblick über Methoden im data.frame, um einen Überblick der Daten zu erhalten. 
  • 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
    • Variablen standardisieren
    • Logische Operatoren
  • Daten einlesen
    • Das Arbeitsverzeichnis in Python setzen 
    • Ein CSV einlesen und schreiben und Überblick über die nützlichsten Parameter hierfür
    • Eine Excel Datei 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)

  • Data handling mit Pandas
    • Löschen einer Zeile und Spalte
    • 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) 
    • Pivotieren eines data.frame: Umwandeln zwischen long und wide Format (gestapelt und ungestapelte Daten)
  • Visualisierung mit matplotlib und pandas
    • 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
  • Algorithmen im Data Science (theoretischer Überblick)
    • Big Data und die vier Vs von Big data
    • Was ist Machine Learning
    • Die Einteilung von Algorithmen im Machine Learning (supervised Learning - unsupervised learning - reinforcement learning)
    • Einführung in wichtige Algorithmen: Lineare Regression, Logistische  Regression, Entscheidungsbäume, Random Forest, Support Vector Machine  (SVM), K-means, Kerndichteschätzer
    • Overfitten und wie ich es entdecken und vermeiden kann
    • Kreuzvalidierung, confusion matrix, ROC Kurve
  • Algorithmen im Data Science (in der Praxis)
    • Die Schritte beim Modellieren (Aufteilung der Daten in Test-Train, Model erstellen, Model validieren)
    • Praktische Umsetzung der theoretisch behandelten Algorithmen mit dem Paket scikit-learn
    • Trainieren und Validieren von Modellen
  • Finaler use case zur Wiederholung des Gelernten
    • Abgeschlossenes Projekt, in dem die wichtigsten Schritte wiederholt werden können vom Daten einlesen, Daten handling, über Visualisierung und Erstellen und Vergleich von Machine Learning  Algorithmen

Wer teilnehmen sollte

Technisch interessierte Fachkräfte bzw. Projektleiter, welche einen  Einstieg in die Programmiersprache Python wünschen, um eigenständig an Data Science Projekten mitzuarbeiten oder ein besseres Verständnis für Python Code zu erhalten. Die Teilnehmer benötigen keine Erfahrung mit Python, sollten aber schon grundlegende Erfahrung mit einer  Programmiersprache gehabt haben, um das Grundkonzept einer  Programmiersprache zu verstehen. Überdies ist ein Basiswissen von  grundlegenden statistischen Begriffen hilfreich (wie Mittelwert, Median,  Perzentil, lineare Regression).


Ihre Schulung

Lernmethode: Ausgewogene Mischung aus Theorie und Praxis
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
Zugang zu Ihrem Firmennetz erlaubt
Lernumgebung: Neu aufgesetzte Systeme für jeden Kurs in Abstimmung mit dem Seminarleiter.
Arbeitsmaterialien: Din A4 Block, Notizblock, Kugelschreiber, USB-Stick, Textmarker, Post-its
Teilnahmebescheinigung: Wird am Ende des Seminars ausgehändigt, inkl. Inhaltsverzeichnis

Organisation

Teilnehmerzahl: min. 1, max. 8 Personen
Garantierte Durchführung : Ab einem Teilnehmer
Schulungszeiten: 5 Tage, 1. Tag 10:00 - 17:00 Uhr, Folgetage 09:00 - 16:00 Uhr
Ort der Schulung: GFU Schulungszentrum

GFU Schulungszentrum
Am Grauen Stein 27
51105 Köln-Deutz
oder europaweit bei Ihnen als Inhouse-Schulung
Räumlichkeiten: Helle und modern ausgestattete Räume mit perfekter Infrastruktur
Preisvorteil : Der dritte Mitarbeiter nimmt kostenfrei teil.
All-Inclusive: Frühstück, Snacks und Getränke ganztägig, Mittagessen im eigenen Restaurant, täglich 6 Menüs, auch vegetarisch
Barrierefreiheit: Das GFU-Schulungszentrum(Am Grauen Stein 27) ist barrierefrei

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

Kostenfreie Services

Kundenbewertungen

Zu diesem Seminar wurden noch keine Bewertungen abgegeben.

Buchungsmöglichkeiten

Offene Termine

11.11.-15.11.2019
4.690,00
Köln   
Plätze vorhanden
29.06.-03.07.2020
4.690,00
Köln   
Plätze vorhanden
Kein passender Termin? Termin
vorschlagen
Buchen ohne Risiko:
  • Keine Vorkasse
  • Kostenfreies Storno bis zum Vortag des Seminars
  • Rechnung nach erfolgreichem Seminar
  • All-Inclusive-Preis
  • Garantierter Termin und Veranstaltungsort
  • Preise pro Person zzgl. Mehrwertsteuer

Das GFU-Sorglos-Paket

Diese kostenfreien Serviceleistungen sind während des Buchungsprozesses ganz einfach auswählbar.


Shuttle Service
Shuttle-Service

Machen Sie sich keinen Kopf um die Anreise! Unser Shuttle fährt Sie. Oder Sie parken einfach auf einem extra für Sie reservierten Parkplatz.

Hotel

Hotelreservierung

Hotelzimmer gesucht? Wir organisieren Ihnen eins. Ihr Vorteil: Sie sparen Zeit und Geld!

Verpflegung

Verpflegung

Gesund oder lecker? Warum nicht beides? Freuen Sie sich auf unsere kulinarische Verpflegung!

Parkplätze

Parkplätze

Parkplätze sind in ausreichender Zahl vorhanden. Reisen Sie mit dem Auto an, reservieren wir Ihnen einen Parkplatz.

Arbeitsplatz



Ein Team einer Firma will zeitgleich den Kurs Data Science Business Akademie: Python - Praxiswoche mit Zertifizierung aufsuchen

An dieser Stelle kann ein Inhouse-Seminar zum Gegenstand Data Science Business Akademie: Python - Praxiswoche mit Zertifizierung richtig sein. Das Thema des Seminars kann dabei gemeinsam mit den Trainern modifiert oder abgekürzt werden.

Haben die Mitarbeiter schon Vorwissen in Data Science Business Akademie: Python - Praxiswoche mit Zertifizierung, sollte der Anfang entfallen. Eine Firmen-Bildungsmaßnahme rechnet sich bei mehr als 3 Schulungsteilnehmern. Die Firmen-Seminare zum Thema Data Science Business Akademie: Python - Praxiswoche mit Zertifizierung finden gelegentlich in der Nähe von Bielefeld, Wuppertal, Bonn, Düsseldorf, Dortmund, Duisburg, Berlin, Münster, Nürnberg, Hamburg, Frankfurt, München, Bremen, Essen, Dresden, Leipzig, Stuttgart, Bochum, Hannover und Köln am Rhein in NRW statt.

Welche Kurse erweitern Data Science Business Akademie: Python - Praxiswoche mit Zertifizierung?

Eine erste Ergänzung findet sich in Data Science Business Akademie: Python - Praxiswoche mit Zertifizierung mit

  • Die Besonderheit des Wertes NaN
  • Default Parameter in einer Funktion setzen
  • Eine eigene Funktion schreiben
  • Was ist Machine Learning

Empfehlenswert ist auch eine Schulung von „MS-TSQL Aufbau für Professionals“ mit dem Unterrichtsstoff von

  • Messungen in T-SQL
  • Benutzerdefinierte Funktionen Einsatz benutzerdefinierter Funktionen
  • DML-Trigger und DDL-Trigger
  • Cursor in T-SQL, Cursor-Varianten

Für Inhouse-Schulungen ist das Thema „Machine Learning mit Python“ mit dem Unterrichtsstoff Pipelines einrichten und Machine Learning Grundlagen  Grundlagen, Varianten und Techniken des Machine Learnings. prädestiniert.

Für Professionals passt eine Python - Komplett Fortbildung. In diesem Workshop werden u.a.

  • class methods
  • Iteratoren
  • list-like objects
  • Packen und Entpacken von Listen, Tupeln und Dictionaries
behandelt.

Haben Sie Fragen?
  • 0221 82 80 90
  • Chat offline
Empfangsdamen der GFU