{"product_id":"python-data-science-machine-learning-e-learning","title":"Bootcamp: Python für Data Science und maschinelles Lernen (E-Learning auf Englisch)","description":"\u003cp\u003e\u003cstrong\u003eHinweis zum Anbieter:\n\u003c\/strong\u003e Dieses E-Learning wird auf der Plattform Udemy angeboten. Kauf, Zahlung, Kurszugang, Inhalte und Support erfolgen über Udemy. Preise, Verfügbarkeit und Kursbedingungen können sich ändern und werden von Udemy festgelegt.\u003c\/p\u003e\n\n\u003ch2\u003eBeschreibung\u003c\/h2\u003e\n\u003cp\u003eDieser E-Learning-Kurs bietet einen praxisnahen Einstieg in Python für Data Science und Machine Learning. Du lernst, wie du Daten mit Python analysierst, visualisierst und mit gängigen Machine-Learning-Verfahren auswertest.\u003c\/p\u003e\n\u003cp\u003eIm Fokus stehen zentrale Bibliotheken und Werkzeuge wie NumPy, Pandas, Matplotlib, Seaborn, Plotly, Scikit-Learn, TensorFlow und Spark. Der Kurs verbindet Python-Grundlagen, Datenanalyse, Datenvisualisierung und Machine Learning in einem strukturierten Lernpfad.\u003c\/p\u003e\n\u003cp\u003eDer Kurs eignet sich für alle, die bereits erste Programmiererfahrung mitbringen und Python gezielt für Datenanalyse, Data Science, Machine Learning und datengetriebene Projekte einsetzen möchten.\u003c\/p\u003e\n\u003ch2\u003eDas wirst du lernen\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003ePython für Data Science, Datenanalyse und Machine Learning einsetzen\u003c\/li\u003e\n\u003cli\u003eNumerische Daten mit NumPy verarbeiten und analysieren\u003c\/li\u003e\n\u003cli\u003eDaten mit Pandas strukturieren, bereinigen und auswerten\u003c\/li\u003e\n\u003cli\u003eDaten mit Matplotlib, Seaborn, Plotly und Pandas visualisieren\u003c\/li\u003e\n\u003cli\u003eMachine-Learning-Modelle mit Scikit-Learn aufbauen und anwenden\u003c\/li\u003e\n\u003cli\u003eWichtige Verfahren wie lineare Regression, logistische Regression, K-Means-Clustering, K-Nearest Neighbors, Decision Trees, Random Forests und Support Vector Machines kennenlernen\u003c\/li\u003e\n\u003cli\u003eGrundlagen von Natural Language Processing, Recommender Systems, Neural Networks und Deep Learning verstehen\u003c\/li\u003e\n\u003cli\u003eBig-Data-Analysen mit Spark und Python einordnen und praktisch nachvollziehen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eAnforderungen\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eGrundlegende Programmiererfahrung wird empfohlen\u003c\/li\u003e\n\u003cli\u003eAdministrationsrechte zum Herunterladen und Installieren benötigter Dateien und Tools\u003c\/li\u003e\n\u003cli\u003eInteresse an Python, Datenanalyse, Visualisierung und Machine Learning\u003c\/li\u003e\n\u003cli\u003eBereitschaft, praktische Übungen und Code-Beispiele eigenständig nachzuvollziehen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eFür wen eignet sich der Kurs\u003c\/h2\u003e\n\u003cul\u003e\n\u003cli\u003eEinsteiger:innen in Data Science mit ersten Programmierkenntnissen\u003c\/li\u003e\n\u003cli\u003eEntwickler:innen, die in Datenanalyse und Machine Learning einsteigen möchten\u003c\/li\u003e\n\u003cli\u003eDatenanalyst:innen, die Python, Pandas, NumPy und Visualisierungstools praktisch nutzen wollen\u003c\/li\u003e\n\u003cli\u003eIT-Fachkräfte, die Machine-Learning-Grundlagen mit Python kennenlernen möchten\u003c\/li\u003e\n\u003cli\u003eStudierende und Berufstätige, die einen breiten Überblick über Python-basierte Data-Science-Workflows suchen\u003c\/li\u003e\n\u003c\/ul\u003e\n\u003ch2\u003eKursdetails\u003c\/h2\u003e\n\u003cp\u003eDer Kurs führt Schritt für Schritt durch zentrale Themen der Python-basierten Datenanalyse. Nach einer Einführung in Arbeitsumgebung, Jupyter Notebook und Python-Grundlagen folgen Abschnitte zu NumPy, Pandas und Visualisierung mit Matplotlib, Seaborn, Plotly und geografischen Darstellungen.\u003c\/p\u003e\n\u003cp\u003eIm weiteren Verlauf stehen Machine-Learning-Verfahren im Mittelpunkt. Dazu gehören Regressionsmodelle, Klassifikation, Clustering, Entscheidungsbäume, Random Forests, Support Vector Machines, Principal Component Analysis, Recommender Systems, Natural Language Processing sowie Grundlagen von Neural Networks und Deep Learning.\u003c\/p\u003e\n\u003cp\u003eDer Kurs ist als englischsprachiges E-Learning aufgebaut und wird von Jose Portilla und Pierian Training bereitgestellt. Er richtet sich an Lernende, die Data Science und Machine Learning mit Python in einem umfassenden Onlinekurs erarbeiten möchten.\u003c\/p\u003e\n\u003ch2\u003eKursinhalt – 27 Sektionen – 165 Lektionen - 24 Std. 54 Min. Gesamtdauer\u003c\/h2\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 1:\u003c\/strong\u003e Kurseinführung\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 2:\u003c\/strong\u003e Arbeitsumgebung einrichten\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 3:\u003c\/strong\u003e Jupyter Notebook im Überblick\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 4:\u003c\/strong\u003e Python-Crashkurs\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 5:\u003c\/strong\u003e Datenanalyse mit Python: NumPy\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 6:\u003c\/strong\u003e Datenanalyse mit Python: Pandas\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 7:\u003c\/strong\u003e Pandas-Übungen\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 8:\u003c\/strong\u003e Datenvisualisierung mit Matplotlib\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 9:\u003c\/strong\u003e Datenvisualisierung mit Seaborn\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 10:\u003c\/strong\u003e Datenvisualisierung mit integrierten Pandas-Funktionen\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 11:\u003c\/strong\u003e Interaktive Visualisierung mit Plotly und Cufflinks\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 12:\u003c\/strong\u003e Geografische Datenvisualisierung\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 13:\u003c\/strong\u003e Data Capstone Project\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 14:\u003c\/strong\u003e Einführung in Machine Learning\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 15:\u003c\/strong\u003e Lineare Regression\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 16:\u003c\/strong\u003e Cross Validation und Bias-Variance Trade-Off\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 17:\u003c\/strong\u003e Logistische Regression\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 18:\u003c\/strong\u003e K-Nearest Neighbors\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 19:\u003c\/strong\u003e Decision Trees und Random Forests\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 20:\u003c\/strong\u003e Support Vector Machines\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 21:\u003c\/strong\u003e K-Means-Clustering\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 22:\u003c\/strong\u003e Principal Component Analysis\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 23:\u003c\/strong\u003e Recommender Systems\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 24:\u003c\/strong\u003e Natural Language Processing\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 25:\u003c\/strong\u003e Neural Networks und Deep Learning\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 26:\u003c\/strong\u003e Big Data und Spark mit Python\u003c\/p\u003e\n\u003cp\u003e\u003cstrong\u003eKapitel 27:\u003c\/strong\u003e Bonus-Sektion\u003c\/p\u003e\n\u003cdiv class=\"product-note product-note-udemy\"\u003e\u003cbr\u003e\u003c\/div\u003e","brand":"Udemy","offers":[{"title":"Preisvariation:","offer_id":54807844094220,"sku":null,"price":0.0,"currency_code":"EUR","in_stock":true},{"title":"von 13€","offer_id":54807844126988,"sku":null,"price":0.0,"currency_code":"EUR","in_stock":true},{"title":"bis 105€","offer_id":54807844946188,"sku":null,"price":0.0,"currency_code":"EUR","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0588\/4333\/2813\/files\/IMG_1228.png?v=1779645557","url":"https:\/\/karrierewelt.golem.de\/products\/python-data-science-machine-learning-e-learning","provider":"Golem Karrierewelt","version":"1.0","type":"link"}