Data Mining mit Python Einführungskurs

Classroom Schulung | deutsch | Anspruch

Schulungsdauer: 2 Tage

Ziele

In diesem Kurs lernen Sie die Grundlagen der Programmiersprache Python und die verwendete Algorithmik, um data science Ergebnisse besser zu verstehen und kritisch hinterfragen zu lernen

Zielgruppe

  • technisch interessierte Fach- und Führungskräfte

Voraussetzungen

  • Grundlagenkennisse in Programmiersprachen oder VBA-Programmierung
  • Grundlagenwissen in Statistik

Agenda

Hintergrund von Python

  • Geschichte und Hintergrund
  • Installieren von neuen Paketen
  • Hands-On: Erste Schritte mit Python
  • CRISP-DM (Cross Industry Standard Process for Data Mining)

Hands-On: Data handling (pandas)

  • Einführung in grundlegende Datenstrukturen
  • Indexierung und Slicing eines DataFrames
  • Hands-On: Eigenständiges Arbeiten mit Datenstrukturen

Hands-On: Daten einlesen

  • Möglichkeiten Datenformate einzulesen
  • Konvertieren von Daten
  • Hands-On: Eigenständiges Arbeiten, um Daten verschiedener Formate einzulesen und zu konvertieren

Hands-On: Grundlegende Statistiken (pandas)

  • Erstellen von grundlegenden, deskriptiven Statistiken
  • Erstellen von Kontingenztafeln
  • Hands-On: Eigenständiges Arbeiten, um Daten verschiedener Formate einzulesen, zu konvertieren und erste Statistiken zu erstelleen

Hands-On: Datenvisualisierung (matplotlib)

  • Vertiefung und Wiederholung von typischen Datenvisualisierungen
  • Datenvisualisierung in Python
  • Hands-On: Eigenständiges Arbeiten mit Visualisierungen in Python

Die Mächtigkeit von Machine Learning Algorithmen

  • Technischer Überblick Machine Learning Algorithmen (supervised, unsupervised)
  • Vertiefung einzelner ML Algorithmen
  • Validierungsmöglichkeiten: Wie bestimme ich die Generalisierung meiner Lösung

Hands-On: Algorithmen in Python (scikit-learn)

  • Einführung Verwendung der Algorithmen in Python
  • Hands-On: Eigenständiges Arbeiten, um verschiedene Algorithmen zu testen und zu validieren

Hands-On: Fallbeispiel

Zusammenfassung und Abschlussdiskusion

 

Ziele

In diesem Kurs lernen Sie die Grundlagen der Programmiersprache Python und die verwendete Algorithmik, um data science Ergebnisse besser zu verstehen und kritisch hinterfragen zu lernen

Zielgruppe

  • technisch interessierte Fach- und Führungskräfte

Voraussetzungen

  • Grundlagenkennisse in Programmiersprachen oder VBA-Programmierung
  • Grundlagenwissen in Statistik

Agenda

Hintergrund von Python

  • Geschichte und Hintergrund
  • Installieren von neuen Paketen
  • Hands-On: Erste Schritte mit Python
  • CRISP-DM (Cross Industry Standard Process for Data Mining)

Hands-On: Data handling (pandas)

  • Einführung in grundlegende Datenstrukturen
  • Indexierung und Slicing eines DataFrames
  • Hands-On: Eigenständiges Arbeiten mit Datenstrukturen

Hands-On: Daten einlesen

  • Möglichkeiten Datenformate einzulesen
  • Konvertieren von Daten
  • Hands-On: Eigenständiges Arbeiten, um Daten verschiedener Formate einzulesen und zu konvertieren

Hands-On: Grundlegende Statistiken (pandas)

  • Erstellen von grundlegenden, deskriptiven Statistiken
  • Erstellen von Kontingenztafeln
  • Hands-On: Eigenständiges Arbeiten, um Daten verschiedener Formate einzulesen, zu konvertieren und erste Statistiken zu erstelleen

Hands-On: Datenvisualisierung (matplotlib)

  • Vertiefung und Wiederholung von typischen Datenvisualisierungen
  • Datenvisualisierung in Python
  • Hands-On: Eigenständiges Arbeiten mit Visualisierungen in Python

Die Mächtigkeit von Machine Learning Algorithmen

  • Technischer Überblick Machine Learning Algorithmen (supervised, unsupervised)
  • Vertiefung einzelner ML Algorithmen
  • Validierungsmöglichkeiten: Wie bestimme ich die Generalisierung meiner Lösung

Hands-On: Algorithmen in Python (scikit-learn)

  • Einführung Verwendung der Algorithmen in Python
  • Hands-On: Eigenständiges Arbeiten, um verschiedene Algorithmen zu testen und zu validieren

Hands-On: Fallbeispiel

Zusammenfassung und Abschlussdiskusion

 

Diese Seite weiterempfehlen