Data Science Basics

Einführung in Python
Neue Pakete einbinden.
Die Entwicklungsumgebung Spyder.
Datenstrukturen (tuples, list, dictionaries).
Funktionen vs. Methoden in Python.

DataFrame im Paket pandas
Aufbau eines DataFrames
Eine Zeile/Spalte auswählen und verändern.
Auswahl von Zeilen basierend auf einer logischen Abfrage.
Zusammenfassungen der Daten erstellen.

Statistiken mit pandas
Berechnung von Statistiken mit einem data.frame (gültige Beobachtungen, Mittelwert, Min, Max, Summe, Median, Varianz,…).
Kreuztabelle (Kontingenztafel).
Fehlende Werte ergänzen oder löschen.
Auswertungen gruppieren.

Daten einlesen
Das Arbeitsverzeichnis in Python ändern.
CSV Dateien einlesen und schreiben.
Pythons eigenes Datenformat pickle zum Speichern von Python Objekten.
Einlesen von großen Daten.

Grafiken Erstellen mit matplotlib und pandas
Eine Grafik schrittweise mit matplotlib erstellen.
Eine Grafik anpassen (Beschriftungen, Legende, Titel) und abspeichern.
Anpassen von Farben.
Subplots erstellen.
Linienplot, Scatterplot, Barplot, Boxplot, Histogram.

Control Flows
Erstellen einer eigenen Funktion und Setzen von default Parametern.
For Schleifen.
If-Else Bedingungen.
Logische Vergleichsoperatoren.

Einführung in Machine Learning
Überwachtes und unüberwachtes Lernen (supervised vs. unsupervised learning).
Overfitting (Überanpassung), Train-Test-Split und cross-validation (Kreuzvalidierung).

Detaillierte Umsetzung von Machine Learning Algorithmen mit scikit-learn
Einführung in die Algorithmen: Lineare Regression, Logistische Regression, Entscheidungsbaum, Random Forest, Support Vector Machine (SVM), K-means.
Aufteilung der Daten in Train und Test Daten.
Den Algorithmus in Python umsetzen und die Ergebnisse interpretieren und validieren (confusion matrix, ROC Kurve).
Kreuzvalidierung in Python.

In Ihrer online Lernumgebung finden Sie nach Ihrer Anmeldung nützliche Informationen, Downloads und extra Services zu dieser Qualifizierungsmaßnahme.

• Ein durchgehendes Datenbeispiel begleitet Sie bei der Bearbeitung der Übungsaufgaben zur Vertiefung der Programmierkenntnisse.

• Sie erhalten wichtige Grundlagen von Python und erlernen das Einlesen, die Verarbeitung, das Aufbereiten und die Visualisierung von Daten.

• Sie haben einen Überblick im Machine Learning, kennen wichtige Algorithmen und können diese mit Python umsetzen und die Ergebnisse auswerten.

• Sie können Python selbstständig nutzen, Ihre eigene Datenanalysen umsetzen und Ihre Fähigkeiten nach dem Seminar weiter ausbauen.

Vortrag zur Erklärung, betreute Einzelarbeit zur Bearbeitung von Übungsaufgaben nach jedem Modul zur Vertiefung der Programmierkenntnisse.