PDF-Download

Schulung Data Science mit Python - Einführung in Python (S1961)
4.8 von 5 Sternen
5 Kundenbewertungen 20 Teilnehmer haben dieses Seminar besucht

Python ist eine der weitverbreitetsten Programmiersprachen, welche im Data Science Bereich etabliert ist. Neben R ist sie derzeit die meist benutze Data Science Programmiersprache.
Sie erhalten einen Einstieg, um mit Python Daten zu analysieren und Machine Learning Algorithmen umsetzen zu können.

Offene Termine

23.05.-25.05.2018
3 Tage | 1.700,00
Köln   
Noch frei
Buchen Vormerken
17.09.-19.09.2018
3 Tage | 1.700,00
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

Weitere Buchungsmöglichkeiten

Firmenschulung
GFU Schulungszentrum
Anfragen
Inhouse-Schulung
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

Schulungs-Ziel

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. 

Wer sollte teilnehmen

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).

Inhalt

  • Einführung
    • Kurzer Hintergrund zu Python und Anaconda 
    • Installieren von neuen Paketen
    • Die Entwicklungsumgebung (IDE) Spyder
    • Lizenzinformationen
    • 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 [], (), {}?
    • 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, indem die wichtigsten Schritte wiederholt werden können vom Daten Einlesen, Daten handling, über Visualisierung und Erstellen und Vergleich von Machine Learning Algorithmen



Schulungszeiten und Teilnehmerzahl

Teilnehmerzahl:min. 1, max. 8 Personen

Schulungszeiten: 3 Tage, 1. Tag 10:00 - 17:00 Uhr, Folgetage 09:00 - 16:00 Uhr

Ort der Schulung: GFU-Schulungszentrum Köln oder bei Ihnen als Inhouse-Schulung

Kundenbewertungen

Bewertung von Robert M. aus Uelzen
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

Bewertung von Sebastian F.
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

Bewertung von Theodoros P. aus Spay am Rhein
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.

Bewertung von Anonym
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.

Bewertung von Anonym
Über das Seminar
5/5

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

Offene Termine

23.05.-25.05.2018
3 Tage | 1.700,00
Köln   
Noch frei
Buchen Vormerken
17.09.-19.09.2018
3 Tage | 1.700,00
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

Weitere Buchungsmöglichkeiten

Firmenschulung
GFU Schulungszentrum
Anfragen
Inhouse-Schulung
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


Eine Gruppe einer Firma will geschlossen die Schulung Data Science mit Python - Einführung in Python reservieren

Dann kann ein kundenspezifisches Lehrgangssystem zum Thema Data Science mit Python - Einführung in Python passend sein. Die Agenda des Lehrgangs kann hierbei gemeinsam mit den Fachdozenten modifiert oder abgekürzt werden.

Haben die “Schüler“ bereits Routine in Data Science mit Python - Einführung in Python, sollte die Einleitung entfallen. Eine Inhouse-Bildungsmaßnahme lohnt sich bei mindestens 3 Seminarbesuchern. Die Firmen-Schulungen zum Thema Data Science mit Python - Einführung in Python finden sporadisch in Duisburg, Dresden, Frankfurt, Nÿrnberg, Leipzig, Mÿnster, Bremen, Bonn, Dÿsseldorf, Wuppertal, Berlin, Bielefeld, Bochum, Hamburg, Essen, Hannover, Dortmund, Stuttgart, Mÿnchen und Köln am Rhein in NRW statt.

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

Eine erste Ergänzung findet sich in Data Science mit Python - Einführung in Python mit

  • Variablen standardisieren
  • Unterschied list vs. tuple
  • Die Besonderheit des Wertes NaN
  • Ein leeres data.frame erstellen

Zu empfehlen ist auch ein Kurs von „Kryptographie - Theorie und Anwendung (Sprachen: Java, Ruby, C/C++, C# und Python)“ mit dem Unterrichtsstoff von

  • Die Hardwareschnittstelle PKCS#11
  • ASN.1 als Datenformat
  • Schlüssellängen
  • Passwortbasierte Schlüsselerzeugung

Für Firmenschulungen ist das Thema „Data Science - Einführung für angehende Data Scientists“ mit dem Unterrichtsstoff Praktischer Teil (Verwendung eines grafischen Open-Source Tools) Toolvorstellung und Werkzeuge passend.

Für Professionals eignet sich auch eine Python als Skriptsprache Weiterbildung. In diesem Workshop werden u.a.

  • I/O: Dateien
  • Zeichenketten (Strings)
  • Eine kurze "Tour de Python"
  • Plattformübergreifendes Python-Skripting
geschult.

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