pds-it
['Produktdetailseite','nein']
Machine Learning & Data Analytics / Data Analytics
Die Illustrationen sind in Kooperation von Menschen und künstlicher Intelligenz entstanden. Sie zeigen eine Zukunft, in der Technologie allgegenwärtig ist, aber der Mensch im Mittelpunkt bleibt.
KI-generierte Illustration

Data Science in der Praxis: Datenanalysen und maschinelles Lernen mit Python

Der Intensivkurs mit allen Grundlagen und vielen praktischen Übungen mit Python
Präsenz und online
4 Tage
Deutsch
€ 2.390,–
zzgl. MwSt.
€ 2.844,10
inkl. MwSt.
Buchungsnummer
34069
Veranstaltungsort
an 3 Orten
3 Termine
€ 2.390,–
zzgl. MwSt.
€ 2.844,10
inkl. MwSt.
Buchungsnummer
34069
Veranstaltungsort
an 3 Orten
3 Termine
Werde zertifizierter
Machine Lerning Engineer
Dieser Kurs ist Bestandteil der zertifizierten Master Class "Machine Learning Engineer". Bei Buchung der gesamten Master Class sparst du über 15 Prozent im Vergleich zur Buchung dieses einzelnen Moduls.
Zur Master Class
Inhouse Training
Firmeninterne Weiterbildung nur für eure Mitarbeiter:innen - exklusiv und wirkungsvoll.
Anfragen
In Kooperation mit
Tauche ein in die Welt der Data Science: In diesem praxisorientierten Seminar lernst du, wie du mit der Programmiersprache Python und Machine-Learning-Modellen wertvolle Erkenntnisse aus Daten gewinnst. Du erwirbst umfassende Kenntnisse und praktische Fähigkeiten, um eigenständig Data-Science-Projekte durchzuführen. Von den wichtigsten Techniken in Python bis hin zur Entwicklung eigener Modelle – dieses Seminar deckt alle wichtigen Aspekte ab: Zu Beginn lernst du in einem kompakten Crashkurs die Python-Basics. Dann erfährst du, wie du Daten selbstständig einliest, bereinigst und filterst, um sie für die Analyse vorzubereiten. Anschließend tauchst du in die deskriptive Statistik ein, um Daten explorativ zu analysieren. Der Schwerpunkt des Seminars ist der Aufbau der Datenmodelle. Deine Python-Programmierkenntnisse werden dabei kontinuierlich vertieft, um auch komplexere Aufgaben meistern zu können. Der Fokus liegt auf vielen praktischen Übungen und Beispielen aus realen Projekten, die dir helfen, das Gelernte direkt anzuwenden und zu verfestigen. Dieses Seminar bietet dir das nötige Handwerkszeug, um Data Science erfolgreich in deinem Arbeitsalltag zu integrieren, und hebt deine Fähigkeiten auf das nächste Level.
Inhalte

1. Einführung in Python für Data Science

  • Warum Python?
  • Python-Basics kompakt vermittelt
  • Datentypen und Datenstrukturen
  • Externe Packages nutzen
  • Eigenwertberechnung mit NumPy und Matplotlib
  • Einsatz von Jupyter Notebooks

2. Deskriptive Statistik mit pandas

  • Einführung in pandas
  • Mittelwert
  • Standardabweichung
  • Median
  • Quantile
  • DataFrames analysieren mit df.describe()

3. Einstieg in das Machine Learning

  • Verfahren, Datentypen und Daten
  • Modelltraining und Modellbewertung
  • Bias und Variance
  • Training und Inference mit scikit-learn

4. Lineare Regression: Modelle, Training, Erweiterungen

  • Lineare Regression
  • Training und Bewertung von Regressionsmodellen
  • Lineare Regression mit mehreren Features
  • Lineare Regression mit scikit-learn
  • Kategoriale Features
  • Regression mit Basisfunktionen

5. Modellbewertung und Optimierung

  • Overfitting: Cross-Validation und Regularisierung
  • Regularisierung: Lasso- und Ridge-Regression
  • Bias-Variance Tradeoff: Fehler ausbalancieren

6. Arbeiten mit relationalen Daten

  • Gruppierung
  • Aggregation
  • Transformation
  • Filter
  • Joins
  • Kreuzprodukt

7. Wichtige Klassifikationsverfahren

  • K-Nearest-Neighbors (k-NN)
  • Decision Trees
  • Ensemble Methoden (Bagging, Boosting, Random Forest)
  • Support Vector Machines

8. Optimierung und Bewertung von Modellen

  • Grid Search
  • Cross-Validation
  • Bewertung binärer Klassifikatoren

9. Methoden im Unsupervised Learning

  • k-Means
  • Dimensionsreduktion (PCA)

10. Überblick über Neuronale Netze

  • Funktionsweise von Neuronalen Netzen
  • Perceptrons
  • Aktivierungsfunktionen
  • Gradientenverfahren

 

Praktische Übungen zum Mitprogrammieren

Durch das ganze Seminar hindurch löst du selbst praxisnahe Aufgaben mit Python, die dir helfen, das Gelernte sofort anzuwenden und zu festigen. Diese Übungen sind so konzipiert, dass sie Herausforderungen simulieren, mit denen Data Scientists in der realen Welt konfrontiert sind. Bereitgestellt werden die Aufgaben in Jupyter Notebooks – du benötigst also keine komplexen Programmierumgebungen.

 

Grundlegende Programmierkenntnisse von Vorteil

In diesem Seminar wird die Programmiersprache Python eingesetzt. Auch wenn das Seminar mit einem kurzen Crashkurs zu wichtigen Python-Anweisungen beginnt, ist es von Vorteil, wenn du schon grundlegende Programmierkenntnisse, etwa zu Variablen, Listen, Arrays und for-Schleifen, mitbringst oder dir vor dem Seminar erstes Wissen darüber aneignest. Damit kannst du die vermittelten Konzepte schneller erfassen und die praktischen Übungen effektiver umsetzen. Du kannst das Seminar auch ohne Vorkenntnisse erfolgreich belegen. Bitte richte dich dann auf eine etwas steilere Lernkurve ein. Ob mit oder ohne Vorwissen, die Referent:innen werden dich bestmöglich unterstützen und durch die Inhalte begleiten.

Dein Nutzen

Du lernst alle Stufen im Data-Mining- und Machine-Learning-Prozess im Detail kennen – von der Datenvorbereitung bis zum Training und zur Anwendung von Datenmodellen.

 

Mit diesem Kurs erschließt du dir ein neues, gefragtes Kompetenzfeld und qualifizierst dich für Aufgaben in den Bereichen Datenanalyse, Machine Learning und Künstliche Intelligenz.

 

Nach Abschluss des Seminars bist du mit soliden Kenntnissen und praktischen Fähigkeiten ausgestattet, um Data Science-Projekte zu planen, zu konzipieren und selbst durchführen zu können.

 

Du entwickelst eine klare Vorstellung davon, wie du maschinelles Lernen in deinem beruflichen Alltag effektiv einsetzen kannst, um gezielt Anwendungsfälle zu unterstützen und Mehrwerte für dein Unternehmen zu schaffen.

Trainer:innen
Stefan König
Dr.
Sonja Adomeit
Marius Kleboth
Methoden

Dieses Seminar wird in einer Gruppe von maximal 12 Teilnehmenden durchgeführt. Die individuelle Betreuung durch die Referent:innen ist garantiert.

 

Die Praxisübungen werden in Form von Jupyter Notebooks bereitgestellt, mit denen du ganz einfach lokal auf deinem Rechner oder auch auf einer Cloud-Plattform deiner Wahl wie Google Colab oder Amazon Sagemaker arbeiten kannst.

 

In deiner Online-Lernumgebung findest du nach der Anmeldung alle Informationen, Downloads und Extra-Services zu dieser Qualifizierungsmaßnahme.

Für wen ist der Kurs geeignet?

Dieses Training richtet sich an alle, die Machine Learning im Detail verstehen und im Rahmen von eigenen Projekten einsetzen möchten.

 

Grundlegende Kenntnisse in der Programmierung – in Python oder einer anderen Sprache – sowie weitergehendes technisches, mathematisches und statistisches Vorwissen sind von Vorteil, aber nicht erforderlich zur Teilnahme an dem Kurs.

 

Dieser Kurs ist ein wertvoller Baustein in der Qualifizierung zum Data Scientist, Data Analyst, Machine Learning Engineer und Data Engineer.

Starttermine und Details

Lernform

Learning form

10.2.2025
Köln
Plätze frei
Durchführung gesichert
Köln
Plätze frei
Durchführung gesichert
31.3.2025
Online
Plätze frei
Durchführung gesichert
Online
Plätze frei
Durchführung gesichert
20.5.2025
Hamburg
Plätze frei
Durchführung gesichert
Hamburg
Plätze frei
Durchführung gesichert
7.7.2025
Online
Plätze frei
Durchführung gesichert
Online
Plätze frei
Durchführung gesichert
9.9.2025
München
Plätze frei
Durchführung gesichert
München
Plätze frei
Durchführung gesichert
3.11.2025
Online
Plätze frei
Durchführung gesichert
Online
Plätze frei
Durchführung gesichert
3.2.2026
Online
Plätze frei
Durchführung gesichert
Online
Plätze frei
Durchführung gesichert
Du hast Fragen zum Training?
Ruf uns an unter +49 761 595 33900 oder schreib uns auf service@haufe-akademie.de oder nutze das Kontaktformular.