Data Science mit Python Kurs

Data Scientist Weiterbildung: Lernen Sie die Grundlagen von Machine Learning mit pandas und scikit-learn

(*) zzgl. MwSt  (**) inkl. MwSt
Termin (3 Tage) Ort Belegung Preise
Mo 26.09 -
Mi 28.09.22
Live-Online
Zoom Meeting
1.525,00  (*)
1.814,75  (**)
Mi 14.12 -
Fr 16.12.22
Live-Online
Zoom Meeting
1.525,00  (*)
1.814,75  (**)
Inhouse-/Firmenschulung:
Kundenbewertungen & Erfahrungen zu Enable AI. Mehr Infos anzeigen.

Kurs auf einen Blick

Über die Schulung

  • Dauer: 3 Tage
  • Gruppengröße: 3-10
  • Level: Anfänger in Python mit Programmiererfahrung in einer anderen Sprache
  • Anteil Coding: 60%
  • Sprache: Python
  • Bibliotheken: pandas, matplotlib, seaborn, scikit-learn
  • Skript: .pdf (Theorie, Aufgaben & Lösungen)

Ihr Trainer für den Kurs

Schulung auf einen Blick

  • Wichtige Datenstrukturen
  • pandas Data.Frame
  • Statistiken berechnen
  • Eine eigene Funktion schreiben
  • Grafiken mit seaborn erstellen
  • Daten einlesen und schreiben (csv, xls, pickle)
  • Machine Learning Einführung
  • Lineare Regression, Entscheidungsbaum, K-Means
  • Train-Test-Split, Kreuzvalidierung

Beschreibung der Data Scientist Weiterbildung

Der dreitägige Data Science Kurs in Python für die Verwendung von Python für Data Science erklärt die notwendigen Grundlagen für die Datenanalyse und die Anwendung von Machine Learning Algorithmen. Bei den Algorithmen wird nur das notwendige theoretische Verständnis geschult, da das Ziel in der Schulung auf der praktischen Umsetzung der Algorithmen in Python mit dem Paket scikit-learn liegt. Am Ende des Seminars können Sie selbstständig erste Daten Analysen umsetzen und einfache Machine Learning Algorithmen für die Datenanalyse einsetzen.

Das Paket pandas ist ein Schwerpunkt dieser Data Science Schulung, da dieses Paket speziell für Data Science entwickelt wurde. Die wichtigsten Schritte für die Datenaufbereitung mit pandas werden eingeübt. Zur Erstellung von Plots und Grafiken wird im Kurs das Paket seaborn verwendet und eine kurze Einführung in matplotlib gegeben. Matplotlib überzeugt durch die Fülle an Möglichkeiten einen Plot anzupassen, seaborn durch die Einfachheit auch komplexere Plots mit wenig Code zu erstellen.

Nach den Grundlagen für Python (Datenstrukturen, eigene Funktionen schreiben) und der Erläuterung von pandas für die Auswertung von Daten, erhalten Sie einen Überblick über Machine Learning Algorithmen, welche wir in Python mit dem Paket scikit-learn selbst programmieren werden. Ein wichtiger Bestandteil vom Data Science Python Seminar ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit direkter Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und so Schritt für Schritt die Anwendung von Data Science lernen können.

Der Data Science Kurs in Python für die Verwendung von Python für Data Science erklärt

  • Grundlagen für Python (Datenstrukturen, eigene Funktionen schreiben)
  • Grundlagen für die Datenanalyse
  • Überblick und Anwendung von Machine Learning Algorithmen mit dem Paket scikit-learn
  • das notwendige theoretische Verständnis (das Ziel in der Schulung liegt auf der praktischen Umsetzung der Algorithmen in Python mit dem Paket scikit-learn).
  • das Paket pandas ist ein Schwerpunkt dieser Data Science Schulung
  • die wichtigsten Schritte für die Datenaufbereitung mit pandas werden eingeübt
  • Erstellung von Plots und Grafiken mit dem Paket seaborn (inkl. einer kurzen Einführung in matplotlib)

Ein wichtiger Bestandteil vom Data Science Python Seminar ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit direkter Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und so Schritt für Schritt die Anwendung von Data Science lernen können.

Was lernen Sie im Python Data Science Kurs?

Sie erhalten einen Überblick über Python für Data Science, wobei die Programmiersprache Python auch im Machine Learning und Deep Learning sehr populär ist. Wir verwenden die Anaconda Distribution (nach eigenen Angaben “The World’s most popular data science platform”) und als Entwicklungsumgebung/IDE wird spyder verwendet. Nach dem Seminar können Sie Daten aus verschiedenen Formaten einlesen, Daten mit seaborn/matplotlib plotten bzw. Daten mit pandas bereinigen (fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erzeugen).

Sie kennen die wichtigsten Datentypen in Python, können eigene einfache Funktionen schreiben und kennen die Umsetzung von Control Flows (For-Schleife, If-Else). Sie verstehen das Grundkonzept eines pandas DataFrames und können damit Data Wrangling und Data Cleaning durchführen.

Die Einteilung von Machine Learning in supervised-unsupervised und Reinforcement Learning ist Ihnen bekannt und Sie können mit scikit-learn eigenständig Algorithmen in Python trainieren, validieren, einen Train-Test Datensplit durchführen und Gütekriterien zur Beurteilung eines Algorithmus berechnen und interpretieren. Bekannte Algorithmen im Machine Learning werden erläutert und Sie können die verschiedenen Algorithmen verstehen und in Python coden. Das Seminar umfasst Algorithmen für die Regression, Klassifikation und dem Clustering: Lineare Regression, Entscheidungsbaum, Random Forest, k-means clustering.

Sie kennen die Data Science Grundlagen und die Einstiegshürde für die Benutzung von Python für Machine Learning ist genommen, so dass Sie eigenständig Ihr Wissen nach dem Data Science Seminar erweitern können. Der Schwerpunkt liegt auf der eigenen Umsetzung auf Ihrem Laptop mit Unterstützung des Dozenten.

Sie erhalten einen Überblick über Python für Data Science, wobei die Programmiersprache Python auch im Machine Learning und Deep Learning sehr populär ist.

Nach dem Seminar können Sie

  • Daten aus verschiedenen Formaten einlesen,
  • Daten mit seaborn/matplotlib plotten bzw.
  • Daten mit pandas bereinigen (fehlende Werte ersetzen, Zeilen und Spalten anpassen, neue Spalten erzeugen).
    wichtigsten Datentypen in Python
  • eigene einfache Funktionen schreiben
  • Umsetzung von Control Flows (For-Schleife, If-Else)
  • Sie verstehen das Grundkonzept eines pandas DataFrames und können damit Data Wrangling und Data Cleaning durchführen.

Im Bereich Machine Learning lernen Sie

  • die Einteilung von Machine Learning in supervised-unsupervised und Reinforcement Learning
  • Sie können mit scikit-learn eigenständig Algorithmen in Python trainieren, validieren, einen Train-Test Datensplit durchführen und Gütekriterien zur Beurteilung eines Algorithmus berechnen und interpretieren.
  • Bekannte Algorithmen im Machine Learning werden erläutert und Sie können die verschiedenen Algorithmen verstehen und in Python coden.
  • Das Seminar umfasst Algorithmen für die
    • Regression,
    • Klassifikation und dem
    • Clustering: Lineare Regression, Entscheidungsbaum, Random Forest, k-means clustering.
Rezensionen auf Google
Ilias Seifie
Weiterlesen
Ich habe an einem einwöchigen Kurs über Deep Learning teilgenommen. Die Kursmaterialien sind sehr gut und vollständig ausgearbeitet. Außerdem haben das Skript und auch der Kurs insgesamt eine sehr gute Struktur. Der Tutor ist sehr engagiert …
Aylin Keskin
Weiterlesen
Super Seminar ! (...) Die Inhalte waren sehr gut gegliedert und wurden absolut verständlich vermittelt. Insgesamt hat die Kombination aus theoretischen Inhalten und praktischen Übungen ein ganzheitliches Verständnis ermöglicht ...
Marvin
Weiterlesen
Sehr gutes Verhältnis aus Information und Zeit, sehr gute persönliche Ansprache, sehr angenehmer Vortrag ohne viel Bla-Bla. Insgesamt absolut zufrieden.
Martin Schlederer
Weiterlesen
Sehr hilfreicher Kurs um die praktischen basics von Künstlicher Intelligenz und neuronalen Netzwerken zu lernen. Theorie und Praxis in schneller Abwechslung um die gelernten Konzepte umzusetzen und zu üben ...
Alicia S.
Weiterlesen
Ein toller Kurs, durchgeführt mit geballter Expertise und einer Engelsgeduld bei der Beantwortung von Fragen und Behebung von Problemen. Ich habe in diesen drei Tagen enorm viel gelernt, ...
Voriger
Nächster
Kursinhalte

Organisatorisches

FAQ
Tag 1
Tag 2
Tag 3
09:00 – 09:15
Begrüßung und Organisatorisches
  • Vorstellungsrunde
  • Erwartungen der Teilnehmer
09:15 – 10:45
Grundlagen von Python
  • Neue Pakete installieren
  • PyCharm als Entwicklungsumgebung/IDE
  • Funktionen und Methoden
  • Wichtige Aspekte von Python im Vergleich zu anderen Programmiersprachen
10:45 – 11:00
Kaffeepause
11:00 – 12:30
Grundlegende Datenstrukturen
  • Überblick über die basic data types (string, integer, float, NaN)
  • Erläuterung der wichtigsten Datenstrukturen: list, tuple, dictionary
  • List comprehension
12:30 – 13:30
Mittagspause
13:30 - 15:00
Das Paket pandas – Data.Frame
  • Struktur (Zeilen, Spalten) eines DataFrames
  • Auswahl einer Zeile/Spalte
  • Zeilen/Spalten erstellen, löschen, ändern
  • Boolean indexing: eine logische Abfrage zur Selektion von Zeilen
  • Daten zusammenfassen, um einen Überblick zu erhalten.
15:00 – 15:15
Kaffeepause
15:15 – 17:00
Berechnen von Statistiken direkt im pandas Data.Frame
  • Einfache Statistiken direkt auf einem Data.Frame (Mittelwert, Min, Max, Summe, Median, Varianz,…)
  • Zusammenfassen und Filtern von Daten
  • Fehlende Werte ersetzen
  • Kreuztabelle (Kontingenztafel)
09:00 – 09:15
Rückblick und offene Fragen von Tag 1
09:15 – 10:45
Control Flows
  • Eine eigene Funktion schreiben
  • Default Parameter in einer Funktion setzen: position arguments und keyword arguments
  • For Schleifen
  • If-Else Bedingungen
  • List comprehension mit if-else
10:45 – 11:00
Kaffeepause
11:00 – 12:30
Datenvisualisierung mit seaborn / matplotlib
  • Die wichtigsten Grundlagen von matplotlib
  • Achsen-Beschriftung, Legende, Titel ändern
  • Einen Plot speichern
  • In seaborn Linienplot, Boxplot, Histogram, Scatterplot, Barplot erstellen
  • Darstellungen (Größe der Datenpunkte, Farbe, Gruppierung) mit einer Variable variieren oder festsetzen
12:30 – 13:30
Mittagspause
13:30 - 15:00
Daten einlesen und schreiben
  • Das Arbeitsverzeichnis in Python und der IDE spyder setzen
  • Ein CSV bzw. Excel einlesen und schreiben
  • Von einer URL einlesen
  • Überblick über nützliche Parameter
  • Lesen und Schreiben vom Python Format pickle
  • Umgang mit großen Daten
15:00 – 15:15
Kaffeepause
15:15 – 17:00
Überblick über Machine Learning
  • Einführung in Machine Learning
  • Anwendungsbeispiele von Machine Learning
  • Künstliche Intelligenz – Machine Learning – Deep Learning
  • Unterschied Supervised – Unsupervised Learning (überwachtes – unüberwachtes Lernen)
  • Overfitting, Train-Test-Split und cross-validation (Kreuzvalidierung)
09:00 – 09:15
Rückblick und offene Fragen von Tag 2
09:15 – 10:45
Lineare Regression mit scikit-learn
  • Aufteilung der Daten in Test-Train, ein Model erstellen und validieren
  • Grundlagen des Algorithmus
  • Umsetzung in Python mit scikit-learn
  • Validieren der Ergebnisse (mean squared error)
10:45 – 11:00
Kaffeepause
11:00 – 12:30
Entscheidungsbaum mit scikit-learn
  • Aufteilung der Daten in Test-Train, ein Model erstellen und validieren
  • Grundlagen des Algorithmus
  • Umsetzung in Python
  • Validieren der Ergebnisse (u.a. confusion matrix, sensitivity, accuracy)
  • Anpassen von Hyperparametern im Training
12:30 – 13:30
Mittagspause
13:30 – 15:00
K-Means Clustering
  • Ein Cluster-Model erstellen und validieren
  • Grundlagen des Algorithmus
  • Umsetzung in Python mit scikit-learn
  • Validieren der Ergebnisse (Sillhouette Score, Calinski-Harabasz)
15:00 – 15:15
Kaffeepause
15:15 – 17:00
Weitere Aspekte im Machine Learning
  • Cross-validation (Kreuzvalidierung)
  • Wann wähle ich welchen Algorithmus?
  • Überblick der Algorithmen Support Vector Machine (SVM) und Random Forest
  • Umsetzung der Algorithmen in Python

Zielgruppe für das Data Science Python Seminar

Der Python Data Science Kurs ist ideal für Teilnehmer, welche die Anwendung von Python erlernen möchten, um Daten zu analysieren und Machine Learning Algorithmen zu programmieren. Angesprochen sind Anwender, welche die Data Science Grundlagen lernen möchten.

Voraussetzungen für die Python Data Scientist Weiterbildung

Um die Data Science Grundlagen in Python zu lernen, benötigen Sie keine Vorkenntnisse in Python. Jedoch sollten Sie über Grundkenntnisse in einer anderen Programmiersprache besitzen, damit bekannt ist, was eine Variable, eine Funktion bzw. eine for-Schleife ist.

Das Data Science Seminar beinhaltet Machine Learning Algorithmen, welche auf statistischen Verfahren aufbauen, wodurch grundlegende Kenntnisse der Statistik notwendig sind. Begriffe wie Mittelwert, Median, Standardabweichung oder Normalverteilung sollten Ihnen bekannt sein. Auch Symbole in der Mathematik, wie das Integral oder das Summenzeichen oder Begriffe der Mathematik, wie Funktion und Ableitung sind sehr empfohlen. Logische Operatoren Und-Oder-Nicht werden auch kurz verwendet.

Die Teilnehmer der Schulung sollten Vorerfahrung mit dem Umgang von Daten haben, z.B. in Excel oder einer BI-Software, damit Konzepte einer spaltenweisen Berechnung bzw. einfache Statistiken (Mittelwert, Varianz) bekannt sind.

Unterrichtssprache ist Deutsch. Die Folien sind auf Englisch, da Python und die Dokumentation der Pakete sowie Fachbegriffe des Machine Learnings auf Englisch sind. Ein englischer Text sollte daher verstanden werden, um der Schulung folgen zu können.

Didaktischer Aufbau der Data Analyst Schulung

Diese Data Science Schulung beinhaltet viele Programmieraufgaben. Die Teilnehmer lösen diese selbstständig mit der Unterstützung des Trainers mit Python mit dem Ziel, das Erlernte einzuüben und zu vertiefen. Individuelle Unklarheiten können vom Trainer direkt beantwortet werden.

Technik im im Data Science mit Python Kurs

  • Die Teilnehmer benötigen für die Übungsaufgaben Laptops. Wir empfehlen, Ihren eigenen Laptop mit der vorab installierten Software mitzubringen. Eine genaue Installationsanleitung für die Software wird Ihnen vor dem Seminar per E-mail zugesandt. Auf Anfrage stellen wir auch Schulungslaptops zur Verfügung.
  • Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Kurs online zum Download zur Verfügung gestellt. Sie erhalten vor der Schulung per E-Mail den Link zu einer Testdatei zum Download, um dies überprüfen zu können.
  • Sie sollten sich in firmenfremde WLAN-Netze registrieren können.
  • Als Backup Lösung ist es möglich, dass der USB Port bei Ihrem Laptop freigeschalten ist, um damit im Seminar verwendete Dateien oder sonstige Unterlagen übertragen zu können.
  • In der Schulung wird das Betriebssystem Windows verwendet. Der Umgang mit Ihrem verwendeten Betriebssystem und Laptop sollte bekannt sein. Insbesondere sollten Sie ohne Schwierigkeiten Sonderzeichen auf der Tastatur finden (insbesondere bei Apple Geräten werden auf manchen Tastaturen nicht immer runde, eckige bzw. geschweifte Klammern dargestellt).
Gibt es ein Buch, welches den Kurs ergänzt?

Für das Seminar sind folgende Bücher als Ergänzung und Weiterführung hilfreich:

Mark Graph, Python For Data Science: The Ultimate Guide to Learn Data Analysis, Visualization and Mining with Pandas, NumPy, IPython and Scikit-Learn;

Sarah Guido: Introduction to Machine Learning with Python.

Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen. Sie sollten lediglich darauf achten, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.

In welchen Städten wird die Data Scientist Weiterbildung angeboten?

Wir bieten den Kurs in folgender Stadt an: Stuttgart, München, Frankfurt, Hamburg, Berlin. Falls Sie die Schulung gerne in einer anderen Stadt oder direkt bei Ihnen im Unternehmen besuchen möchten, kontaktieren Sie uns gerne.

Ich möchte gerne viel coden und hands-on Lernen. Ist das der richtige Kurs?

Definitiv. Sie werden sich im Kurs wohlfühlen. Die erste von vier Lektionen am ersten Tag schafft die Grundlagen und sie können den Editor gleich selbst ausprobieren. Ab der zweiten Lektion ist mindestens die Hälfte der Zeit zum selbstständigen Üben, so dass Sie das Besprochene direkt coden können und selbst erkennen, wo noch Fragen bestehen, die Sie mit dem Dozenten direkt besprechen können.

Welche Lernmethoden werden in der Data Science Schulung verwendet?

Im Seminar enthält jeder Block (meist über etwa 90 Minuten) eine oder mehrere Theorie- und Praxiseinheiten. Die Theorieeinheit dient dazu, Ihnen das nötige Wissen zu vermitteln, um die Übungsaufgaben zu verstehen und selbstständig lösen zu können. Wir verzichten auf langatmige, wissenschaftliche Theorieeinheiten und konzentrieren uns auf den theoretischen Stoff der zu einem besseren Verständnis beiträgt. Der Fokus liegt auf der Praxis, d.h. dem Codeschreiben und Lösen von kleinen Verständnisaufgaben zum Lernstoff. Fragen von Teilnehmern sind jederzeit möglich. Während der Praxiseinheit werden die Fragen individuell vom Dozenten beantwortet. Fragen von allgemeinem Interesse werden allen Teilnehmern erklärt. Die Folien, welche die Theorie und weitere Erklärungen vom Code enthalten erhalten Sie als pdf und in gedruckter Version. Codebeispiele und die Musterlösung der Übungsaufgaben liegen digital vor.

Wie sehen die Übungen für die Teilnehmer aus?

Die Übungen bestehen hauptsächlich aus Coding Aufgaben, d.h. Sie schreiben entweder kurze Codebeispiele oder Sie werden gefragt, Codelücken in einem bestehenden Code zu ergänzen. Letzteres schult auch das Codeverstehen. Die Aufgaben sind so gewählt, dass die wichtigen Aufgaben von allen Teilnehmern in der verfügbaren Zeit gelöst werden können. Wir haben Coding Aufgaben unterschiedlichen Schwierigkeitsgrades vorbereitet, so dass schnellere Teilnehmer oder Teilnehmer mit Vorwissen zusätzlich an weiteren Aufgaben üben können. Desweiteren gibt es für manche Kapitel kurze Kontrollfragen zum Theorieteil.

Data Science Kurs im Detail
YouTube

Mit dem Laden des Videos akzeptieren Sie die Datenschutzerklärung von YouTube.
Mehr erfahren

Video laden

Bildungsschecks
Bildungsscheck Nordrhein Westfalen
Bildungsprämie
Wir akzeptieren den Bildungsscheck NRW und die Bildungsprämie.
Warum bei Enable AI buchen
Leistungen im Kurs
Durchführungsgarantie

Die Trainer, die in exklusiver Kooperation mit Enable AI zusammen arbeiten, kommen alle aus der Praxis und vermitteln praxisnahes, aktuelles Wissen auf leicht verständliche Art und Weise mit dem Ziel, dass Sie in Ihrer Arbeit das Wissen direkt anwenden können.

Zufriedenheitsgarantie

Sollten Sie in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und es wird Ihnen die volle Kursgebühr inkl. Anreise (30 cent / km bzw. Bahnfahrt 2. Klasse) erstattet. Ohne Wenn und Aber.

Wissensgarantie

Falls Ihr(e) MitarbeiterIn unerwarteterweise innerhalb eines halben Jahres nach dem Besuchen eines Kurses für mehr als 6 Monate (Krankheit, Elternzeit, Sabbatical,...) ihr Unternehmen verlässt, darf kostenlos ein Kollege innerhalb eines Jahres ab dem Verlassen des Kollegens ein stattfindendes Seminar mit demselben Inhalt besuchen.

Hands-on Schulungen

Die Kurse sind hands-on Trainings, mit vielen Coding Übungen (inkl. digitalen Musterlösungen). Denn durch praktische Beispiele lernt man am meisten.

Individuelle Schulungen

Wenn es im Interessen der Schulungsgruppe ist, ändert der Trainer das Seminar nach Ihren Wünschen ab bzw. integriert Ihre Daten nach Rücksprache in den Kurs.

Aktualisierte Schulungen

Sollten Sie eine Schulung zweimal besuchen, wird diese nicht identisch sein. Ihr Feedback wird berücksichtigt und die Schulungen werden an die aktuelle Themen in Forschung und Entwicklung angepasst.

Trainer aus der Praxis

Die Trainer, die in exklusiver Kooperation mit Enable AI zusammen arbeiten, kommen alle aus der Praxis und vermitteln praxisnahes, aktuelles Wissen auf leicht verständliche Art und Weise mit dem Ziel, dass Sie in Ihrer Arbeit das Wissen direkt anwenden können.

Kleine Gruppen

Garantierte maximale Gruppengröße von 10 Teilnehmern. Im Durchschnitt besuchen 6 Teilnehmer einen Kurs.

Fundiertes Wissen

Vor der Zusammenarbeit werden unsere Trainer geprüft. Alle besitzen fundierte Kenntnisse, u.a. durch Studium, Promotion und Berufserfahrung in den Bereichen Mathematik, Informatik, Statistik und Machine/Deep Learning.

Ihr Trainer für den Kurs

Jan Köhler

Vom Hintergrund Statistiker und Wirtschaftsingenieur arbeitet er seit fast 10 Jahren mit den neuesten Technologien im Machine Learning, Deep Learning und Data Science.

In der Industrie hat er bei verschiedenen Projekten Machine Learning und Deep Learning in der Praxis umgesetzt und eigene Ideen in über 25 Patentanmeldungen eingebracht.

Er forscht im Bereich Deep Learning und hat wissenschaftliche Veröffentlichungen, u.a. in den Bereichen Medizinstatistik, Operations Research und Deep Learning. Seine fundierte Praxiserfahrung und die Mitarbeit in zahlreichen Data Mining Projekten ermöglicht seinen Schulungsteilnehmer auch für ihre Anwendungen aus seinen Kursen viel mitzunehmen.

Haben Sie noch Fragen

Jan Köhler - Gründer von Enable AI

  • Fragen zum Inhalt des Seminars?
  • Sind Sie sich unsicher, ob der Kurs Sie weder über- noch unterfordert?
  • Fragen, ob Sie das Wissen aus dem Kurs für Ihre tägliche Arbeit anwenden können?
  • weitere generelle Fragen zur Schulung?
  • einen Terminwunsch?

Rufen Sie uns an oder schreiben Sie uns eine Email

0711-96 88 15 53
[email protected]

Gerne können Sie auch direkt einen Termin mit uns vereinbaren oder eine Nachricht schreiben.


    Inhouseschulung / Firmenschulung

    Sie suchen einen Data Science Intensivkurs in der Programmiersprache Python als Firmen-Weiterbildung. Der Inhalt der Schulung kann individuell angepasst werden. In Abstimmung mit dem Dozenten können Sie Schwerpunkte der Firmen-Schulung setzen, Inhalte aus der offenen Schulung streichen und weitere Inhalte hinzufügen.

    Vereinbaren Sie einen Termin für ein kostenloses Beratungsgespräch.

    Die Firmen-Trainings des Data Mining Python Kurses können Live-Online oder bei Ihnen vor Ort gehalten werden. Zudem können Sie auch in München, Stuttgart, Berlin, Hannover, Köln, Hamburg, Düsseldorf, Frankfurt, Dortmund, Münster, Essen, Bonn, Dresden, Leipzig, Bremen, Duisburg, Bochum, Wuppertal, Bielefeld, Mannheim, Freiburg, Brauschweig, Kiel oder Karlsruhe stattfinden.

    Thematisch ähnliche
    Schulungen
    Auswahl ähnlicher Kurse wie der Python Data Science Kurs
    Data Science Weiterbildung

    Sie erlernen einen umfassenden Einstieg in die Programmiersprache Python mit Fokus auf Data Science und Machine Learning. Nach dem Seminar sind sie fähig einfache Datenanalysen in Ihrem Unternehmen durchzuführen und ihre erworbende Kenntnisse selbständig zu vertiefen. U.a. folgende Python Pakete werden erläutert: pandas, numpy, matplotlib, seaborn, scikit-learn, statsmodels.

    Data Science in R Schulung

    Die Data Science in R Schulung vermittelt einen kompakten Einstieg in die Programmiersprache R für Datenanalyse und Data Science / Data Mining. Sie lernen das beliebte Paket tidyverse zur Datenmanipulation, erstellen Grafiken mit ggplot2 und schreiben eigene Funktionen. Der Einstieg in Machine Learning und die Umsetzung von bekannten Algorithmen (u.a. Lineare Regression, Entscheidungsbaum, K-Means Clustering) ist ein weiterer Schwerpunkt.

    Machine Learning Kurs

    Aufbauend auf Python Grundkenntnissen, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn und die wichtigsten Schritte beim Trainieren der Algorithmen behandelt. Folgende Algorithmen werden erläutert: Lineare & Logistische Regression, Entscheidungsbaum, Ensembles, Neuronales Netz (MLP), K-Nearest Neighbor, K-means, DBSCAN Clustering.

    Python Grundlagen Anfänger Kurs

    Einführung in die Programmiersprache Python für Programmierer mit Grundkenntnissen in einer anderen Programmiersprache. Vorstellung einiger der am häufigsten gebrauchten Python Bibliotheken (u.a. numpy, os, shutil) und Einführung in die Objektorientierte Programmierung in Python. Erläuterung von Code Debugging in Python. Es wird der Editor (IDE) Pycharm verwendet.

    R Programmieren Kurs

    Dieses Seminar vermittelt einen Einstieg in die Programmiersprache R mit RStudio und erklärt die Grundlagen von Statistik. Für Teilnehmer ohne Programmiervorerfahrung. Behandelte Themen sind: Korrelation, statistische Tests und Verteilungen, Grafiken erstellen mit ggplot2 und die effiziente Datenanalyse mit dem Paket data.table.

    Risikofrei Buchen

    Rücktritt bei Nichtgefallen

    Sollten Sie in einem mehrtägigen Seminar bis zum Ende des ersten Seminartags merken, dass dieses Seminar nicht Ihren Erwartungen entspricht, sprechen Sie bitte mit dem Kursleiter am ersten Seminartag und es wird Ihnen die volle Kursgebühr inkl. Anreise (30 cent / km bzw. Bahnfahrt 2. Klasse) erstattet. Ohne Wenn und Aber.

    Stornierung

    Sie können eine Bestellung kostenlos bis 14 Tage vor Beginn der Schulung stornieren.

    Bis 7 Tage vor Kursbegin fallen 50% Stornokosten zzgl. MwSt an.

    Weniger als 7 Tage vor Kursbegin ist die gesamte Seminargebühr zzgl. MwSt zu zahlen.

    Anfallende Stornokosten werden Ihnen bei Umbuchung auf einen anderen Termin oder auf ein anderes Seminar verrechnet.

    Sie können einen Ersatzteilnehmer für Ihr gebuchtes Seminar zum gebuchten Termin benennen. In diesem Falle verändern wir Ihre Buchung kostenfrei und tragen den Ersatzteilnehmer ein.

    Sie haben bei Stornierung zudem auch die Möglichkeit einen anderen Termin, an dem das Seminar bereits stattfindet (d.h. die Mindestteilnehmerzahl ist erreicht), oder ein anderes Seminar (das aufgrund der Buchungslage bereits stattfindet) kostenfrei bzw. nach Bezahlung des Differenzbetrages, teilzunehmen. Ist das gewählte Seminar preisgünstiger, erstatten wir Ihnen den Differenzbetrag nach Teilnahme am Seminar zurück. Diese Möglichkeit erfolgt aus Kulanz ohne Anerkennung einer Rechtspflicht.

    Falls die Buchungslage es ermöglicht, können wir einen Ersatzteilnehmer aus der Warteliste benennen. In diesem Fall ist Ihre Stornierung kostenfrei. Dies ist jedoch nicht garantiert und erfolgt aus Kulanz ohne Anerkennung einer Rechtspflicht.

    Schulungsort Live Online

    Für unsere Live Online Schulungen verwenden wir die Software Zoom.

    Durch die Möglichkeiten die Teilnehmer in Breakout Räumen aufzuteilen und auf die Bildschirme der einzelnen Teilnehmer zu schauen, ist es für uns möglich, Sie auch in einem Live Online Seminar individuell zu betreuen.

    Etwa eine Wochen vor Beginn der Schulung erhalten Sie von uns den Zugangslink zu Zoom per Email zugesandt.

    Schulungsraum in München

    Die Seminarräume in München befinden sich 900m von der S-Bahn Haltestelle Donnersbergerbrücke. Von dort sind es 6 min bis zum Hauptbahnhof München.

    Adresse Seminarraum München

    Regus
    Landsberger Straße 155
    80687 München

    Schulungsraum in Stuttgart

    Die Seminarräume in Stuttgart befinden sich 300m vom Hauptbahnhof, 300m von der U-Bahn Haltestelle Schloßplatz und 800m von der U-Bahn Haltestelle Charlottenplatz entfernt.

    Die hellen und geräumigen Räume befinden sich im fünften Stock eines Gebäudes mit Glasfassade.

    Im Gebäude befinden sich auch Tiefgaragenplätze. Bitte vorab die Verfügbarkeit überprüfen.

    Adresse Seminarraum Stuttgart

    Regus Königsstraße
    5. Stock
    Königstraße 10c
    70173 Stuttgart