Schulung Data Science mit Python - Einführung in Python

3 Tage / S1961

37 Teilnehmer haben bisher dieses Seminar besucht

Schulungsformen

Offene Schulung

  • 3 Tage
  • 3 Termine
  • 1.770,00 zzgl. MwSt.
  • Köln

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

Inhouse-/Firmenschulung

  • 3 Tage - anpassbar
  • Termin nach Wunsch
  • Preis nach Angebot
  • In Ihrem Hause oder bei der GFU

Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.

Individualschulung

  • 3 Tage - anpassbar
  • Termin nach Wunsch
  • Preis nach Angebot
  • In Ihrem Hause oder bei der GFU

1 Teilnehmer = max. Fokus aufs Fachliche und max. Raum für individuelle Fragen.

Beschreibung

Python ist eine der weitverbreitetsten Programmiersprachen, welche im Data Science Bereich etabliert ist. Neben R ist sie derzeit die meist 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

  • 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
  • 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 [], (), {}?
    • List comprehension
  • 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 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
  • 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, Logistische Regression)
    • Train-Test Split der Daten
    • Umsetzung des Algorithmus in Python 
    • Validieren der Ergebnisse (u.a. AIC; BIC; confusion matrix, sensitivity, accuracy)
    • Berechnung und Interpretation einer ROC curve und AUC
    • Cross-validation (Kreuzvalidierung) 
  • Weitere Machine Learning Algorithmen in Python
    • Erklärung von Support Vector Machine (SVM), Random Forest und K-means
    • Umsetzung dieser Algorithmen in Python 
    • Validieren der Ergebnisse
    • Cross-validation (Kreuzvalidierung) 

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 gemacht haben, um das Grundkonzept einer Programmiersprache zu verstehen. Überdies ist ein Basiswissen von grundlegenden statistischen Begriffen hilfreich (wie Mittelwert, Median, Perzentil).


Lernmethode: Ausgewogene Mischung aus Theorie und Praxis
Unterlagen: Seminarunterlagen / 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: Frische Systeme für jeden Kurs in Abstimmung mit dem Seminarleiter
Arbeitsmaterialien: Din A4 Block, Notizblock, Kugelschreiber, USB-Stick, Textmarker, Post-its
Teilnahmezertifikat: Wird am Ende des Seminars ausgehändigt, inkl. Inhaltsverzeichnis
Teilnehmerzahl: min. 1, max. 8 Personen
Garantierte Durchführung : Ab einem Teilnehmer
Schulungszeiten: 3 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
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

Kundenbewertungen

Über das Seminar
5/5

Sehr hilfreich und gutes Tempo

Über die GFU
5/5

Sehr gut organisiert, genug Essen und Trinken und viel Auswahl. Gutes Zeitmanagement!

Julia R. aus Köln

Über das Seminar
5/5

Sehr gute Schulung mit kleiner Seminargruppe und intensiver Betreuung, sehr gute Organisation, geeignet für Personen, die zum ersten Mal Python für Data Science Aufgaben benutzen, guter Überblick über die Möglichkeiten der Programmiersprache mit guten Schulungsunterlagen

Über die GFU
5/5

Kleines Seminar mit sehr intensiver Betreuung, sehr gute Organisation des Seminars, gute Schulungsunterlagen

Robert M. aus Uelzen

Über das Seminar
5/5

Seminar hatte genau das richtige Level, Erwartungen an das Seminar wurden erfüllt

Über die GFU
5/5

Organisatorisch (Shuttlebus) Top, Arbeitsplätze und Verpflegung sehr gut

Sebastian F.

Über das Seminar
4/5

Gute und Praxisnahe Einfuehrung in das Thema Machine-Learning. Allerdings, waeren noch einige vertiefende Themen zusaetzlich noch wuenschenswert gewesen.

Über die GFU
4/5

Sehr gute Betreuung, es gab auch genuegend Kaffee und andere Getarenke. Der Kurs selbst, war sehr professionell gestaltet und trotz seines einfuehrenden Charakters dennoch auch Praxis-gerecht.

Theodoros P. aus Spay am Rhein

Über das Seminar
5/5

Etwas zu schnell durch die dahinterliegende Theorie in den Folien. Die Methode im Praxisteil was sehr gut. Der Dozent war immer ansprechbar und sehr hilfsbereit.

Anonym

Über das Seminar
5/5

Sehr gute Coaches, die kleine Gruppengröße hat viel 1-on-1 Training zugelassen

Anonym

Über das Seminar
5/5

Jan Köhler, weiß wovon er spricht. Er ist sehr erfahren. Die Strukturierung des Kurses und die Methodik sind sehr gut gewählt. Auf Fragen wurde immer wieder eingegangen und alles wurde immer voll bis ins Detail geklärt! Super Trainer!

Anonym

Buchungsmöglichkeiten

Offene Termine

11.02.-13.02.2019
1.770,00
Köln   
Noch frei
Buchen Vormerken
03.07.-05.07.2019
1.700,00
Köln   
Noch frei
Buchen Vormerken
25.09.-27.09.2019
1.770,00
Köln   
Noch frei
Buchen Vormerken
Kein passender Termin? Termin
vorschlagen
Buchen ohne Risiko:
  • Keine Vorkasse
  • Kostenfreies Storno bis zum Vortag des Seminars
  • Rechnung nach erfolgreichem Seminar
  • Garantierter Termin und Veranstaltungsort
  • Preise pro Person zzgl. Mehrwertsteuer
  • Der dritte Mitarbeiter nimmt kostenfrei teil

Firmenschulung

GFU Schulungszentrum

Anfragen

Inhouse-Schulung

In Ihrem Hause
Auswählen
Wo soll Ihre Schulung stattfinden?
  • Europaweit
  • GFU Schulungszentrum
  • Berlin
  • Bremen
  • Düsseldorf
  • Dortmund
  • Dresden
  • Frankfurt
  • Hamburg
  • Hannover
  • Köln
  • Leipzig
  • Mannheim
  • München
  • Nürnberg
  • Stuttgart
Weiterer Ort:

Anfragen

Individualschulung

Auswählen
Wo soll Ihre Schulung stattfinden?
  • Europaweit
  • GFU Schulungszentrum
  • Berlin
  • Bremen
  • Düsseldorf
  • Dortmund
  • Dresden
  • Frankfurt
  • Hamburg
  • Hannover
  • Köln
  • Leipzig
  • Mannheim
  • München
  • Nürnberg
  • Stuttgart
Weiterer Ort:

Anfragen
Arbeitsplatz



Ein Team einer Firma will zeitgleich den Kurs Data Science mit Python - Einführung in Python frequentieren

An dieser Stelle kann ein Inhouse-Seminar zum Thema Data Science mit Python - Einführung in Python opportun sein. Der Lehrstoff der Schulung kann dabei in Abstimmung mit den Trainern weiterentwickelt oder komprimiert werden.

Haben die Seminarbesucher schon Vorkenntnisse in Data Science mit Python - Einführung in Python, sollte der Anfang gekürzt werden. Eine Firmen-Weiterbildung rechnet sich bei mehr als 3 Seminarbesuchern. Die Firmen-Seminare zum Thema Data Science mit Python - Einführung in Python finden sporadisch in Dÿsseldorf, Stuttgart, Berlin, Mÿnster, Bremen, Mÿnchen, Leipzig, Hamburg, Frankfurt, Essen, Dresden, Bielefeld, Duisburg, Wuppertal, Dortmund, Nÿrnberg, Bochum, Hannover, Bonn und Köln am Rhein in NRW statt.

Welche Seminare passen zu Data Science mit Python - Einführung in Python?

Eine passende Erweiterung findet sich in Data Science mit Python - Einführung in Python mit

  • Zuweisungsoperatoren
  • Control Flows Die range() Funktion
  • Die Besonderheit des Wertes NaN
  • Subplots erstellen

Empfehlenswert ist auch ein Seminar von „Data Science - Einführung für angehende Data Scientists“ mit der Behandlung von

  • Data Science Prozess im Tool
  • Datenauswahl
  • Extreme Gradient Boosting
  • Vorgehensmodelle Übersicht verschiedener Modelle

Für Firmenschulungen ist das Thema „Einführung R für Data Scientists“ mit dem Unterrichtsgegenstand Scoping Rules/ Umgebung (Environment) und Data Science Prozess in R passend.

Für Help-Desk-Mitarbeiter passt auch eine Python als Skriptsprache Schulung. In diesem Training werden vor allen Dingen

  • Plattformübergreifendes Python-Skripting
  • I/O: Dateien
  • Funktionen
  • Bedingungen, Schleifen
besprochen.

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