Data Science mit Python
1.770,00 €
Nettopreis (zzgl. MwSt.)
Bruttopreis (inkl. MwSt.)
Veranstaltungsnummer: DIDI017.09
Preisdetails:
Im Preis enthalten ist Lehrmaterial in digitaler Form.
inkl. 19 % MwSt.:
Zielgruppe
Inhalt
- Einführung in die Programmierung mit Python
- Datenmanagement mit Pandas
- Datentypen
- Importieren, Lesen und Schreiben von Daten
- Indizierung, Filterung und Zuweisung von Daten
- Aggregationsfunktionen und Mappings
- Gruppierung und Sortierung
- Verarbeitung von Missing Values
- Kombination, Wrangling, Integration und Umbenennung von Daten
- Arbeiten mit Date, Time und Datetime-Datentypen
- Datenverarbeitung mit Schleifen und Verwendung von Variablen
- Datenvisualisierung mit Matplotlib und Seaborn
- Statistik-Grundlagen
- Einführung in Machine Learning-Techniken mit scikit-learn
- Einführung, Grundlagen und Methodik
- Erstellen von Trainingsdaten
- Überwachte Lern-Algorithmen
- Unüberwachte Lern-Algorithmen
- Erklärbarkeit von Modellen
- Modell-Interpretation und Evaluierungstechniken
Ist kein passender Termin dabei oder Ihr Wunschtermin ist ausgebucht?
24 Seminarstunden
3 Tage
Statistische Grundkenntnisse und erste Programmierkenntnisse in einer beliebigen Programmiersprache sind von Vorteil, aber keine Voraussetzung.
VDSI Punkte Brandschutz : 0
VDSI Punkte Managementsysteme : 0
VDSI Punkte Gesundheitsschutz : 0
VDSI Punkte Security : 0
VDSI Punkte Umweltschutz : 0
Die theoretischen Inhalte werden in Form von praxisnahen Übungen vertieft. Die dafür notwendige Schulungsumgebung wird gestellt. Der Zugriff auf die Schulungsumgebung erfolgt mit einem Browser (Chrome oder Firefox).
Künstliche Intelligenz im Dreiklang von Herausforderungen, Vorteilen und Kompetenzen
Verwandte Seminare
Im Seminar erhalten die Teilnehmer eine umfassende Einführung in die Programmiersprache Python als Grundwerkzeug für die spätere Datenanalyse und lernen die Entscheidungskriterien für die Datenauswahl und die Datenquellen kennen, die sie für ihre Betrachtung benötigen.
Wichtige Unterstützung zur Analyse der Datenmassen geben maschinelle Lernverfahren, bei denen ein Algorithmus durch Wiederholung und vorgegebene Kriterien selbstständig lernt, eine Aufgabe zu erfüllen, ohne dass ein Lösungsweg vorgegeben ist.
Feature Engineering ist die Vorbereitung von Daten für die Verarbeitung in Machine Learning-Algorithmen und von hoher Bedeutung im gesamten Machine Learning-Prozess
KI-Methoden werden eingesetzt, um verflochtene Zusammenhänge datengetrieben zu lernen und die Grenzen klassischer mathematischer Modelle zu überwinden.
Die voranschreitende Digitalisierung wirkt sich auf nahezu jedes Unternehmen aus. Digitale Anwendungen hinterlassen eine riesige Datenmenge, die es auszuwerten gilt, um Prozesse zu verbessern.