Bitte wählen Sie die Bereiche, die Sie exportieren möchten:
Schulung Data Science Business Akademie: Python - Praxis mit Zertifizierung
Schulungsformen
Inhouse-/Firmenschulung
- 5 Tage - anpassbar
- Termin nach Wunsch
- Preis nach Angebot
- In Ihrem Hause oder bei der GFU
- Online, Präsenz oder Hybrid
- Lernumgebung in der Cloud
Individualschulung
- 5 Tage - anpassbar
- Termin nach Wunsch
- Preis nach Angebot
- In Ihrem Hause oder bei der GFU
- Online, Präsenz oder Hybrid
- Lernumgebung in der Cloud
Beschreibung
-> 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 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.
Finden Sie das richtige Data Science Seminar aus unserem Portfolio.
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
Wer teilnehmen sollte
Technisch interessierte Fachkräfte bzw. Projektleiter:innen, welche eigenständig an Data Science Projekten mitarbeiten oder begleiten wollen. Die Teilnehmenden benötigen grundlegende Erfahrung mit Python, um auf das Grundkonzept der Programmiersprache aufbauen zu können. Überdies ist ein Basiswissen von statistischen Begriffen hilfreich (wie Mittelwert, Median, Perzentil, lineare Regression).
Ihre Schulung
Präsenz-Schulung | Online-Schulung |
|---|---|
| Lernmethode | |
Ausgewogene Mischung aus Theorie und Praxis | Wie auch bei unseren Präsenz-Seminaren: Ausgewogene Mischung aus Theorie und praktischen Übungen. Trainer durchgehend präsent. |
| Unterlagen | |
Seminarunterlagen oder Fachbuch inklusive. Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. | Seminarunterlagen oder Fachbuch inklusive (per Post). Das Fachbuch wählt der Trainer passend zum Seminar aus - Ihren individuellen Buch-Wunsch berücksichtigen wir auf Nachfrage gerne. |
| Arbeitsplatz | |
|
|
| Lernumgebung | |
Neu aufgesetzte Remote-Systeme für jeden Kurs in Abstimmung mit dem Seminarleiter, sodass Sie über ein perfektes Setup für die Durchführung aller praktischen Übungen verfügen. | |
| Arbeitsmaterialien | |
Din A4 Block, Notizblock, Kugelschreiber, USB-Stick, Textmarker, Post-its | |
| Teilnahmezertifikat | |
Die Teilnahmezertifikat inkl. Inhaltsverzeichnis wird Ihnen am Ende des Seminars ausgehändigt. | Die Teilnahmezertifikat inkl. Inhaltsverzeichnis wird Ihnen per Post zugesandt. |
Organisation
Präsenz-Schulung | Online-Schulung | |
|---|---|---|
| Teilnehmendenzahl | ||
min. 1, max. 8 Personen | ||
| Garantierte Durchführung * | ||
Ab 1 Teilnehmenden | ||
| Schulungszeiten | ||
| ||
| Ort der Schulung | ||
 GFU SchulungszentrumAm Grauen Stein 27 51105 Köln-Deutz oder online im Virtual Classroom oder europaweit bei Ihnen als Inhouse-Schulung Um ein optimales Raumklima zu gewährleisten, haben wir das Schulungszentrum mit 17 hochmodernen Trotec TAC V+ Luftreinigern ausgestattet. Diese innovative Filtertechnologie (H14 zertifiziert nach DIN EN1822) sorgt dafür, dass die Raumluft mehrfach pro Stunde umgewälzt wird und Schadstoffe zu 99.995% im HEPA-Filter abgeschieden und infektiöse Aerosole abgetötet werden. Zusätzlich sind alle Räume mit CO2-Ampeln ausgestattet, um jederzeit eine hervorragende Luftqualität sicherzustellen. | ||
| Räumlichkeiten | ||
Helle und modern ausgestattete Räume mit perfekter Infrastruktur | Bequem aus dem Homeoffice von überall | |
| All-Inclusive | ||
Frühstück, Snacks und Getränke ganztägig, Mittagessen im eigenen Restaurant, täglich 6 Menüs, auch vegetarisch | Eine Auswahl unserer Frühstücks-Snacks und Nervennahrungs-Highlights senden wir Ihnen mit den Seminarunterlagen per Post zu. | |
| Barrierefreiheit | ||
Das GFU-Schulungszentrum (Am Grauen Stein 27) ist barrierefrei | - | |
Kostenfreie Services
Präsenz-Schulung | Online-Schulung |
|---|---|
|
|
Inhalt
- Ziele und Erwartungen der Teilnehmenden
- Klärung individueller Lernziele und Erwartungen für ein praxisnahes und relevantes Seminar
- 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
- 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
Buchungsmöglichkeiten
Online oder in Präsenz teilnehmen
Sie können sowohl Online als auch in Präsenz am Seminar teilnehmen. Klicken Sie bei Ihrer Buchung oder Anfrage einfach die entsprechende Option an.
Inhalte werden auf Wunsch an die Anforderungen Ihres Teams angepasst.
- Online, Präsenz oder Hybrid
- Komplette Lernumgebung in der Cloud mit Remote Zugriff
Fokus aufs Fachliche und maximaler Raum für individuelle Fragen.
- Online, Präsenz oder Hybrid
- Komplette Lernumgebung in der Cloud mit Remote Zugriff
Was bedeutet Offene Schulung und Inhouse Schulung?
Bei einer offenen Schulung stehen Ort und Termin vorab fest. Jeder Interessent kann eine offene Schulung buchen, daher treffen Teilnehmer aus verschiedenen Unternehmen aufeinander.
Inhouse Schulungen können auf Ihren individuellen Schulungsbedarf zugeschnitten werden. Sie bestimmen den Teilnehmerkreis, Termin und Schulungsort.
Ist eine Inhouse Schulung die richtige Wahl?
Bei einer Inhouse Schulung gehen wir auf die individuellen Bedürfnisse Ihres Unternehmens ein und decken den Schulungsbedarf direkt bei Ihnen im Unternehmen ab.
Das spart Zeit und Geld und sorgt für einen schnellen Wissenstransfer Ihrer Mitarbeiter.
Wer kümmert sich um die Technik bei Inhouse Schulungen?
Eine komplette Lernumgebung in der Cloud mit Remote Zugriff ist für uns selbstverständlich. Sie müssen sich um nichts kümmern. Lediglich ein funktionierender PC oder Notebook mit Internetanschluss sollte für jeden Teilnehmer am Schulungstag bereit stehen.
Vorteile einer Inhouse Schulung
- Kompetente Seminarberatung
- Dozenten aus der Praxis
- Auf Ihre Bedürfnisse zugeschnittener individueller Lernstoff
- Sie können den Termin flexibel gestalten, so wie es für Sie am besten passt
- Unsere Inhouse Schulungen können Europaweit durchgeführt werden
- Der Fokus liegt auf Ihrem Schulungsbedarf, somit schonen Sie Ihr Budget
- Wissenslücken Ihrer Mitarbeitet werden schnell geschlossen