Data Science Foundation - Bootcamp
Classroom Schulung | Deutsch | Anspruch
Schulungsdauer: 18 Tage
Ziele
In diesem "Data Science Foundation - Bootcamp" lernen Sie an 18 Tagen die Programmiergrundlagen von Python kennen und erfahren, wie Sie Python-Code im produktiven Unternehmensumfeld für Data Science Anwendungen einsetzen. Mit dem Fokus auf die Bereiche Datenmanagement, Machine Learning und Projekte vermittelt dieser Kurs zunächst die Grundlagen in der Programmiersprache Python. In praxisnahen Beispielen und mit Hilfe von Beispieldaten werden die Inhalte eingeleitet und live am Quellcode vorgeführt. Anschließende Übungen helfen, das Gelernte auszuprobieren und zu vertiefen.
Die Schwerpunkte des Data Science Bootcamps
Besonderes Augenmerk richtet der Kurs im Bereich Datenmanagement auf die populäre Python-Bibliothek Pandas und deren Datentypen Series und DataFrame. Ein weiterer Schwerpunkt bildet das Machine Learning, welches sich thematisch in Klassifikations- und Regressionsprobleme unterteilt. Sie lernen, wie Sie die unterschiedlichen Problemklassen mit den bedeutendsten Methoden des Machine Learning lösen können. Des Weiteren werden theoretische Grundlagen sowie Grundregeln der Datenvisualisierung aufgearbeitet und anschließend praxisbezogen mit dem Visualisierungs-Tool Power BI umgesetzt. Im letzten Themenblock lernen Sie, wie Python "State-of-the-Art" in Operativumgebunden eingesetzt wird. Sie erfahren, welche Komponenten dabei helfen, Quellcode sicher und übersichtlich zu gestalten und wie diese konkret in Projektstrukturen eingesetzt werden. Dabei werden Sie erste kleinere Projekte in Python umsetzen.
- Die Python-Syntax verstehen und anwenden
- Datenmanagement in Python
- Projekte in Python anlegen und verwalten
- Best Practice Ansätze für professionellen Python-Code erlernen Methodische Grundlagen des Machine Learning erlernen
- Techniken des Machine Learning mit Python umsetzen
- Datenvisualisierungen mit Python umsetzen
- Python in der Operativumgebung verstehen und anwenden
Zielgruppe
- Interessierte, die in den Bereich Data Science einsteigen und praktische Fähigkeiten in Python erlernen möchten.
Voraussetzungen
Für eine optimale Teilnahme am Bootcamp empfehlen wir folgende Vorkenntnisse:
- Grundkenntnisse in der Programmierung
- Vorkenntnisse in Python sind nicht zwingend erforderlich aber von Vorteil.
Agenda
Einführung in die Data Science mit Python (5 Tage)
- Theoretische Einführung Data Science
- Theoretische Grundlagen von Python
- Übersicht Python-Editoren
- Python-Projekte
- Syntaktische Grundlagen: Grunddatentypen, Operatoren, Kontrollstrukturen, Funktionen, Schleifen
- Grundlagen objektorientierten Programmierens in Python: Klassen, Methoden, Attribute
Datenmanagement in Python (2 Tage)
- Einführung in numpy
- Einführung in pandas
- Kurzüberblick os modul
- Einführung in SQL
Machine Learning (6 Tage)
- Theoretische Einführung in Machine Learning
- Datenmanagement, Datenmanipulation & Datenaufbereitung
- Klassifikationsalgorithmen
- Regressionsalgorithmen
- Clusteranalyse
- Zeitreihenanalyse
Datenvisualisierung (2 Tage)
- Theoretische Einführung in die Datenvisualisierung
- Grundlagen der Datenvisualisierung
- Einführung in Power BI
- Grundfunktionen in Power BI
- Datenvisualisierung in Power BI
Python in der Operativumgebung (3 Tage)
- Theoretische Einführung zu Frontend, Backend, API, OS und Datenbanken
- Python Zugriffe auf Frontend, Backend, API, OS und Datenbanken
- Projektarbeit
Ziele
In diesem "Data Science Foundation - Bootcamp" lernen Sie an 18 Tagen die Programmiergrundlagen von Python kennen und erfahren, wie Sie Python-Code im produktiven Unternehmensumfeld für Data Science Anwendungen einsetzen. Mit dem Fokus auf die Bereiche Datenmanagement, Machine Learning und Projekte vermittelt dieser Kurs zunächst die Grundlagen in der Programmiersprache Python. In praxisnahen Beispielen und mit Hilfe von Beispieldaten werden die Inhalte eingeleitet und live am Quellcode vorgeführt. Anschließende Übungen helfen, das Gelernte auszuprobieren und zu vertiefen.
Die Schwerpunkte des Data Science Bootcamps
Besonderes Augenmerk richtet der Kurs im Bereich Datenmanagement auf die populäre Python-Bibliothek Pandas und deren Datentypen Series und DataFrame. Ein weiterer Schwerpunkt bildet das Machine Learning, welches sich thematisch in Klassifikations- und Regressionsprobleme unterteilt. Sie lernen, wie Sie die unterschiedlichen Problemklassen mit den bedeutendsten Methoden des Machine Learning lösen können. Des Weiteren werden theoretische Grundlagen sowie Grundregeln der Datenvisualisierung aufgearbeitet und anschließend praxisbezogen mit dem Visualisierungs-Tool Power BI umgesetzt. Im letzten Themenblock lernen Sie, wie Python "State-of-the-Art" in Operativumgebunden eingesetzt wird. Sie erfahren, welche Komponenten dabei helfen, Quellcode sicher und übersichtlich zu gestalten und wie diese konkret in Projektstrukturen eingesetzt werden. Dabei werden Sie erste kleinere Projekte in Python umsetzen.
- Die Python-Syntax verstehen und anwenden
- Datenmanagement in Python
- Projekte in Python anlegen und verwalten
- Best Practice Ansätze für professionellen Python-Code erlernen Methodische Grundlagen des Machine Learning erlernen
- Techniken des Machine Learning mit Python umsetzen
- Datenvisualisierungen mit Python umsetzen
- Python in der Operativumgebung verstehen und anwenden
Zielgruppe
- Interessierte, die in den Bereich Data Science einsteigen und praktische Fähigkeiten in Python erlernen möchten.
Voraussetzungen
Für eine optimale Teilnahme am Bootcamp empfehlen wir folgende Vorkenntnisse:
- Grundkenntnisse in der Programmierung
- Vorkenntnisse in Python sind nicht zwingend erforderlich aber von Vorteil.
Agenda
Einführung in die Data Science mit Python (5 Tage)
- Theoretische Einführung Data Science
- Theoretische Grundlagen von Python
- Übersicht Python-Editoren
- Python-Projekte
- Syntaktische Grundlagen: Grunddatentypen, Operatoren, Kontrollstrukturen, Funktionen, Schleifen
- Grundlagen objektorientierten Programmierens in Python: Klassen, Methoden, Attribute
Datenmanagement in Python (2 Tage)
- Einführung in numpy
- Einführung in pandas
- Kurzüberblick os modul
- Einführung in SQL
Machine Learning (6 Tage)
- Theoretische Einführung in Machine Learning
- Datenmanagement, Datenmanipulation & Datenaufbereitung
- Klassifikationsalgorithmen
- Regressionsalgorithmen
- Clusteranalyse
- Zeitreihenanalyse
Datenvisualisierung (2 Tage)
- Theoretische Einführung in die Datenvisualisierung
- Grundlagen der Datenvisualisierung
- Einführung in Power BI
- Grundfunktionen in Power BI
- Datenvisualisierung in Power BI
Python in der Operativumgebung (3 Tage)
- Theoretische Einführung zu Frontend, Backend, API, OS und Datenbanken
- Python Zugriffe auf Frontend, Backend, API, OS und Datenbanken
- Projektarbeit