Was bietet mir der Workshop?
Dieser Python-Kurs vermittelt einen praxisnahen Einstieg in Python für Data Science. Teilnehmer lernen, Daten mit Python zu analysieren, aufzubereiten und zu visualisieren.
Im Fokus stehen Python-Programmierung, Data Science, Machine Learning und KI. Die Übungen erfolgen in Jupyter Notebooks über browserbasierte Tools.
Was lernen die Teilnehmer?
Teilnehmer lernen die Grundlagen der Python-Programmierung im Data-Science-Kontext. Sie setzen typische Schritte einer Datenanalyse mit Python praktisch um.
- Daten mit Pandas auswählen, filtern, transformieren und aggregieren
- numerische Berechnungen mit NumPy durchführen
- Daten mit Matplotlib und Seaborn visualisieren
- Machine-Learning-Modelle mit scikit-learn und TensorFlow einordnen
- reproduzierbare Workflows in Jupyter Notebooks erstellen
- strukturierte Analysen und verständliche Ergebnispräsentationen umsetzen
Für wen ist der Kurs geeignet?
Der Kurs richtet sich an Personen, die erste Schritte in Machine Learning, KI und Data Science mit Python gehen möchten. Er eignet sich für Einsteigerinnen und Einsteiger in Python und Data Science.
Für die praktischen Übungen wird ein kostenfreier Kaggle- oder Colab-Account benötigt. Darüber richten Teilnehmer Jupyter Notebooks ein.
- stabile Internetverbindung
- aktueller Webbrowser wie Chrome, Firefox oder Edge
- PC oder Laptop mit Lautsprecher oder Kopfhörer
- Mikrofon und Webcam
Was erhalten Teilnehmer?
Teilnehmer erhalten eine Teilnahmebescheinigung der TÜV NORD Akademie. Die Seminarunterlagen werden auf Deutsch bereitgestellt.
Der Kurs nutzt browserbasierte Tools. Installationen im Vorfeld sind nicht notwendig.
Warum dieser Workshop?
Python ist ein Standard für datengetriebene Anwendungen. Der Workshop verbindet Python-Programmierung mit Data Science, Machine Learning und KI.
Teilnehmer arbeiten praxisnah mit Pandas, NumPy, Matplotlib, Seaborn, scikit-learn und TensorFlow. So entsteht eine Grundlage für eigene Datenanalysen mit Python.
What you’ll learn
- Grundlagen der Python-Programmierung mit Datentypen, Kontrollstrukturen, Funktionen und Modulen
- Datenbearbeitung mit Pandas: Auswahl, Filterung, Transformation und Aggregation
- Numerische Berechnungen mit NumPy
- Datenvisualisierung mit Matplotlib und Seaborn
- Machine Learning mit scikit-learn und TensorFlow: Klassifikation, Regression, Modelltraining und Evaluation
Agenda
- Einführung in Python
- Datentypen, Kontrollstrukturen, Funktionen und Module
- Datenbearbeitung mit Pandas: Auswahl, Filterung, Transformation und Aggregation
- Numerische Berechnungen mit NumPy
- Datenvisualisierung mit Matplotlib und Seaborn
- Einführung in Machine Learning mit scikit-learn und TensorFlow: Klassifikation, Regression, Modelltraining und -evaluation
- Feature Engineering durch Künstliche Intelligenz
- Best Practices: reproduzierbare Workflows, strukturierter Code, verständliche Ergebnispräsentation
- Ausblick und Trends
