Python Grundlagen - ein Python Intensivkurs

Schulung in Python für Anfänger, mit Einführung in die objektorientierte Programmierung

(*) zzgl. MwSt    (**) inkl. MwSt
Termin
Ort
Belegung
Preise
(*)zzgl. MwSt.

15.04.21 –
19.04.21

Live-Online
Zoom Meeting
1.180,00  (*)
1.404,20 € (**)

05.07.21 –
07.07.21

Stuttgart
Königsstraße 10c
1.180,00  (*)
1.404,20 € (**)

20.10.21 –
22.10.21

Stuttgart
Königsstraße 10c
1.180,00  (*)
1.404,20 € (**)

Python Kursinhalte auf einen Blick

Über den Python Kurs

Kundenbewertungen & Erfahrungen zu Enable AI. Mehr Infos anzeigen.

Über den Python Kurs

Python Kursinhalte auf einen Blick

Verschwommener Laptopbildschirm mit Code ähnlich zum Python Einführungs Seminar Code.

Der dreitägige Python Kurs erklärt umfassend die Grundlagen, um Python als Skriptsprache kennen zu lernen und als objektorientiere Programmiersprache benutzen zu können. Der Schwerpunkt wird hierbei auf die neuesten Entwicklungen in Python gelegt. Python Code überzeugt durch seine Übersichtlichkeit und leichte Wartbarkeit. Der Fokus liegt auf der praktischen Umsetzung mit der Entwicklungsumgebung PyCharm, d.h. das Erklärte wird in vielen Übungen von den Teilnehmern vertieft. Somit ermöglicht der Python Anfängerkurs, dass Sie  Programmieren lernen in Python. Am Ende dieses dreitägigen Python Intensivkurses können Sie Programme in Python erstellen, verstehen die objektorientiere Programmierung und beherrschen eine der populärsten Programmiersprachen (nach dem TIOBE Index).

Die Python Schulung gliedert sich in drei Bereiche:

  1. Python Grundlagen und Grundbegriffe, um Python in der Entwicklungsumgebung (IDE) PyCharm effizient benutzen zu können. Zudem werden die wichtigsten Daten-Strukturen behandelt. Des weiteren werden Grundlagen im Umgang mit Text erläutert. Überdies wird eine Einführung gegeben, um Python als Schnittstelle zum Betriebssystem benutzen zu können.
  2. Die wichtigsten Kontrollstrukturen (If-Else, While, For-Schleife) werden erklärt. Erste eigene Funktionen mit einer eigener Dokumentation werden geschrieben. Fehler- und Ausnahmebehandlung mit exceptions wird erläutert. Überdies die Ein- und Ausgabe von Daten und die Grundlagen von numpy zur Berechnung bei arrays.
  3. Der letzte Bereich im Python Crash Course erklärt die Grundlagen und Ideen der Objektorientieren Programmierung (OOP).  Eigene Klassen zur OOP in Python werden definiert. Um Fehler im Code zu erkennen und robusten Code zu erstellen wird das Debugging von eigenem Code und Unittests erläutert.

Nach dieser Schulung in Python für Einsteiger haben Sie einen umfassenden Einblick in die Grundlagen von Python, um Python als Skriptsprache zu verwenden und kennen die Grundlagen der objektorientierten Programmierung.

Die Einstiegshürde für die Benutzung von Python ist genommen, so dass Sie eigenständig Ihr Wissen nach dem Kurs erweitern können.

Ein wichtiger Bestandteil dieses Python Seminars ist das eigenständige Arbeiten und Lösen von Übungsaufgaben, so dass Sie mit direkter Hilfe des Trainers das Besprochene direkt in der Praxis umsetzen und anwenden können, um Python programmieren zu lernen.

10:00 – 10:15
Begrüßung und Organisatorisches
  • Vorstellungsrunde
  • Erwartungen der Teilnehmer
10:15 – 11:45
Grundlagen in Python
Grundlagen von Python
  • Neue Pakete installieren
  • PyCharm als Entwicklungsumgebung/IDE
  • Wichtige Aspekte von Python im Vergleich zu anderen Programmiersprachen 
11:45 – 12:00
Kaffeepause
12:00 – 13:30
Datenstruktur
Grundlegende Datenstrukturen
  • Überblick über die basic data types (string, integer, float, NaN)
  • Erläuterung der wichtigsten Datenstrukturen: list, tuple, dictionary
  • List comprehension
  • Slicing, um Daten zu extrahieren
  • Konvertierungen zwischen Datentypen 
13:30 – 14:30
Mittagspause
14:30 – 16:00
Text Analyse, eine Disziplin für Deep Learning
Umgang mit Text / Strings
  • Übersicht über häufige Methoden für die Verarbeitung von Text, (z.B. count, index, find)
  • String Ausgabe und Formatierung mit f-string
  • print Funktion
  • Kommentar, docstrings, rawstrings
  • Escape-Sequenzen
16:00 – 16:15
Kaffeepause
16:15 – 18:00
Control flows in Python
Control Flows (Kontrollstrukturen)
  • Eine eigene Funktion schreiben
  • Default Parameter in einer Funktion setzen: position arguments und keyword arguments
  • For Schleifen
  • continue, break, if und else in Schleifen
  • pass-Anweisung
  • Globale und lokale Parameter
  • While-Schleife
  • List comprehension mit if-else
09:00 – 09:15
Rückblick auf Tag 1
09:15 – 10:45
Daten Einlesen in Python
Ein- und Ausgabe (I/O von Daten)
  • Was ist eine Datei?
  • Lesen und Schreiben von Dateien mit „with open“
  • pathlib und shutil Modul
10:45 – 11:00
Kaffeepause
11:00 – 12:30
numpy, python Paket
Grundlagen von numpy zur Berechnung mit Matrizen und Arrays
  • Ein numpy array und dessen Attribute
  • Arrays erstellen und mit Daten befüllen (bzw. mit Zufallszahlen)
  • Mathematische Operationen mit Numpy
  • Funktionen der Statistik umsetzen
12:30 – 13:30
Mittagspause
12:00 – 13:30
exception handling in python
Exceptions / Fehlerbehandlung
  • Syntax Fehler vs. Exception
  • Traceback
  • Fehlerbehandlung mit „try, except, else“
  • Fehlerwerfen mit „raise“
15:00 – 15:15
Kaffeepause
15:15 – 17:00
code debugging in python
Debugging
  • Einführung in die Debugging Funktionalitäten von Pycharm
    • Exception Breakpoints, Step, Step Into, Resume, …
  • evaluate expressions beim Debugging
09:00 – 09:15
Rückblick auf Tag 2
09:15 – 10:45
Brille am Pool stellt Objektorientierte Programmierung dar
Einführung in die Objektorientierte Programmierung (OOP)
  • Grundidee der objektorientierten Programmierung
  • Klassen vs. Instanzen / Objekte
  • __init__() Methode
  • Instanz Methoden
  • Parameter „self“ erklärt
10:45 – 11:00
Kaffeepause
11:00 – 12:30
Objektorientierte Programmierung Fortsetzung
Fortführung der Objektorientierten Programmierung
  • Instanz vs Klassenvariablen
  • Einführung in die Vererbung
  • super() Methode
  • Attribute und Methoden überschreiben in Subklassen
12:30 – 13:30
Mittagspause
13:30 – 15:00
alter verrosteter Generator
Weiterführende Themen
  • enumerate
  • zip
  • ternärer Operator (kurzes if-else)
  • Lambda Funktionen
  • verschiedene Verwendungen des Stern operators *
15:00 – 15:15
Kaffeepause
15:15 – 17:00
os Modul in Python
Abschließendes Projekt
  • zusätzliche Übung zur Festigung / Wiederholung des bisher Gelernten

Zielgruppe des Python Kurs

Dieser Kurs richtet sich an Programmierer mit Grundkenntnissen einer anderen Programmiersprache, die in Python Anfänger sind und Python programmieren lernen möchten. Ihre Zielsetzung ist, die Grundlagen zu verstehen, um leicht wartbare Programme umsetzen zu können. Nach der Python Schulung verstehen Sie das Konzept der objektorientierten Programmierung und die Klassen in Python. Sie können nun in einer der besten Programmiersprache erste Skripte erzeugen.

Voraussetzungen für die Python Schulung

Dieser Python Weiterbildung für Anfänger setzt keine Kenntnisse in Python voraus. Notwendig ist jedoch grundlegende Vorerfahrung in einer Programmiersprache (Was ist eine Variable, Werte zu einer Variablen zuweisen, Funktionsweise einer Funktion bzw. einer for-Schleife).
Verwendete Folien sind auf Englisch, da Python und deren Dokumentation im Internet überwiegend auf Englisch sind. Englischkenntnisse im Lesen von Texten sind daher sehr empfehlenswert. Die Schulung selbst ist auf Deutsch.

Didaktischer Aufbau des Python Grundkurs

In dieser Schulung sollen Sie programmieren lernen mit Python. Daher arbeiten die Teilnehmer selbstständig mit Python in PyCharm, um zu üben und das Besprochene zu vertiefen. Der Trainer unterstützt und beantwortet auftretende Fragen direkt.

Technik im Python Seminar

Für den Python Grundlagen Kurs wird folgende Technik benötigt:

  • 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.
  • Es wird die Python Distribution Anaconda verwendet.
  • Bitte prüfen Sie, ob Ihr Firmenlaptop Zugangsbeschränkungen im Internet hat. Die digitalen Unterlagen (Skript, Code, Dateien) werden im Seminar online zum Download zur Verfügung gestellt. Sie erhalten vor dem Seminar 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 verwendete Dateien oder sonstige Unterlagen übertragen zu können.
  • Im Seminar 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).

Für das Seminar sind folgende Bücher als Ergänzung hilfreich: Eric Matthes: Python Crash Course: A Hands-On, Project-Based Introduction to Programming, Fabrizio Romano: Learn Python Programming. 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.

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

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.

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.

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.

Über den Python Kurs

Python Kursinhalte auf einen Blick

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.

Thematisch ähnliche
Schulungen

Auswahl ähnlicher Kurse wie der Python Grundlagen Kurs

Weitere Seminare und Termine

Die nächsten Kurse

Übersicht über die kommenden Schulungen in Machine Learning, Deep Learning, Data Science und Statistik.

(3 Tage) Kompakter Einstieg in Python für Datenanalyse und Data Science. Grundlagen über pandas DataFrame, Grafiken erstellen, Machine Learning und erste Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, seaborn, scikit-learn.

(3 Tage) Einführung in DL mit Schwerpunkt Bilddaten. Allgemeine Theorie der Neuronalen Netze und Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Use-Cases aus dem Image Processing: Bildklassifizierung, Objektdetektierung mit Bounding Boxes, Semantische Segmentierung.

(2 Tage) Aufbauend auf Kenntnissen in Python, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn umgesetzt und die wichtigsten Schritte beim Trainieren der Algorithmen erklärt, u.a.: Regression, Entscheidungsbaum, Ensembles, Neuronales Netz, K-Means, DBSCAN Clustering.

(5 Tage) Einstieg in die Programmiersprache Python mit Fokus auf Data Science / Machine Learning. Mit u.a. folgenden Algorithmen: Regression, Random Forest, Clustering. Verwendete Pakete: pandas, numpy, matplotlib, seaborn, scikit-learn, statsmodels.

(1 Tag) Einführung in Künstliche Intelligenz, Maschinelles Lernen und Deep Learning: Voraussetzungen, Möglichkeiten und Grenzen der KI. Zielgruppe sind Führungskräfte, welche das Potential von KI in ihrem Unternehmen realistisch einschätzen möchten.

(3 Tage) Einführung in die Programmiersprache Python für Programmierer mit Grundkenntnissen einer anderen Programmiersprache. Vorstellung häufig gebrauchter Python Bibliotheken und Einführung in die Objektorientierte Programmierung.

3 Tages Kurs (R) mit einer knappen Einführung in die Statistik. Der Fokus liegt auf der Umsetzung der intuitiv erklärten Theorie in R, um Statistiken auf Daten eigenständig berechnen zu können und Daten mit dem data.table Paket analysieren zu können.

(3 Tage) Einführung in DL mit Schwerpunkt Bilddaten. Allgemeine Theorie der Neuronalen Netze und Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Use-Cases aus dem Image Processing: Bildklassifizierung, Objektdetektierung mit Bounding Boxes, Semantische Segmentierung.

(3 Tage) Kompakter Einstieg in Python für Datenanalyse und Data Science. Grundlagen über pandas DataFrame, Grafiken erstellen, Machine Learning und erste Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, seaborn, scikit-learn.

(3 Tage) Grundlagen von Deep-Learning. Theorie der Neuronalen Netze und praktische Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Einführung in CNNs, RNNs und LSTMs zur Bearbeitung von Bild-, Text- und Sequenzdaten. Training bei wenig Daten. Bekannte Netzwerkarchitekturen.

(2 Tage) Aufbauend auf Kenntnissen in Python, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn umgesetzt und die wichtigsten Schritte beim Trainieren der Algorithmen erklärt, u.a.: Regression, Entscheidungsbaum, Ensembles, Neuronales Netz, K-Means, DBSCAN Clustering.

(3 Tage) Einführung in die Datenanalyse und Machine Learning mit R. Wichtige Datenstrukturen in R, das Paket data.table für effiziente Datenanalyse. Statistiken berechnen. Eigene Funktionen schreiben. Plotten mit ggplot2. Erste ML-Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering).

(1 Tag) Einführung in Künstliche Intelligenz, Maschinelles Lernen und Deep Learning: Voraussetzungen, Möglichkeiten und Grenzen der KI. Zielgruppe sind Führungskräfte, welche das Potential von KI in ihrem Unternehmen realistisch einschätzen möchten.

(3 Tage) Einführung in die Programmiersprache Python für Programmierer mit Grundkenntnissen einer anderen Programmiersprache. Vorstellung häufig gebrauchter Python Bibliotheken und Einführung in die Objektorientierte Programmierung.

(2 Tage) Aufbauend auf Kenntnissen in Python, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn umgesetzt und die wichtigsten Schritte beim Trainieren der Algorithmen erklärt, u.a.: Regression, Entscheidungsbaum, Ensembles, Neuronales Netz, K-Means, DBSCAN Clustering.

(3 Tage) Kompakter Einstieg in Python für Datenanalyse und Data Science. Grundlagen über pandas DataFrame, Grafiken erstellen, Machine Learning und erste Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, seaborn, scikit-learn.

(3 Tage) Einführung in DL mit Schwerpunkt Bilddaten. Allgemeine Theorie der Neuronalen Netze und Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Use-Cases aus dem Image Processing: Bildklassifizierung, Objektdetektierung mit Bounding Boxes, Semantische Segmentierung.

3 Tages Kurs (R) mit einer knappen Einführung in die Statistik. Der Fokus liegt auf der Umsetzung der intuitiv erklärten Theorie in R, um Statistiken auf Daten eigenständig berechnen zu können und Daten mit dem data.table Paket analysieren zu können.

(5 Tage) Einstieg in die Programmiersprache Python mit Fokus auf Data Science / Machine Learning. Mit u.a. folgenden Algorithmen: Regression, Random Forest, Clustering. Verwendete Pakete: pandas, numpy, matplotlib, seaborn, scikit-learn, statsmodels.

(3 Tage) Grundlagen von Deep-Learning. Theorie der Neuronalen Netze und praktische Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Einführung in CNNs, RNNs und LSTMs zur Bearbeitung von Bild-, Text- und Sequenzdaten. Training bei wenig Daten. Bekannte Netzwerkarchitekturen.

(3 Tage) Einführung in die Datenanalyse und Machine Learning mit R. Wichtige Datenstrukturen in R, das Paket data.table für effiziente Datenanalyse. Statistiken berechnen. Eigene Funktionen schreiben. Plotten mit ggplot2. Erste ML-Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering).

(1 Tag) Einführung in Künstliche Intelligenz, Maschinelles Lernen und Deep Learning: Voraussetzungen, Möglichkeiten und Grenzen der KI. Zielgruppe sind Führungskräfte, welche das Potential von KI in ihrem Unternehmen realistisch einschätzen möchten.

(3 Tage) Kompakter Einstieg in Python für Datenanalyse und Data Science. Grundlagen über pandas DataFrame, Grafiken erstellen, Machine Learning und erste Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering). Verwendete Pakete: pandas, seaborn, scikit-learn.

(3 Tage) Einführung in die Programmiersprache Python für Programmierer mit Grundkenntnissen einer anderen Programmiersprache. Vorstellung häufig gebrauchter Python Bibliotheken und Einführung in die Objektorientierte Programmierung.

(3 Tage) Einführung in DL mit Schwerpunkt Bilddaten. Allgemeine Theorie der Neuronalen Netze und Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Use-Cases aus dem Image Processing: Bildklassifizierung, Objektdetektierung mit Bounding Boxes, Semantische Segmentierung.

(1 Tag) Einführung in Künstliche Intelligenz, Maschinelles Lernen und Deep Learning: Voraussetzungen, Möglichkeiten und Grenzen der KI. Zielgruppe sind Führungskräfte, welche das Potential von KI in ihrem Unternehmen realistisch einschätzen möchten.

(2 Tage) Aufbauend auf Kenntnissen in Python, werden supervised und unsupervised Machine Learning Algorithmen in scikit-learn umgesetzt und die wichtigsten Schritte beim Trainieren der Algorithmen erklärt, u.a.: Regression, Entscheidungsbaum, Ensembles, Neuronales Netz, K-Means, DBSCAN Clustering.

3 Tages Kurs (R) mit einer knappen Einführung in die Statistik. Der Fokus liegt auf der Umsetzung der intuitiv erklärten Theorie in R, um Statistiken auf Daten eigenständig berechnen zu können und Daten mit dem data.table Paket analysieren zu können.

(3 Tage) Grundlagen von Deep-Learning. Theorie der Neuronalen Netze und praktische Umsetzung mit Keras / Tensorflow (Python) auf high-performance GPUs. Einführung in CNNs, RNNs und LSTMs zur Bearbeitung von Bild-, Text- und Sequenzdaten. Training bei wenig Daten. Bekannte Netzwerkarchitekturen.

(3 Tage) Einführung in die Datenanalyse und Machine Learning mit R. Wichtige Datenstrukturen in R, das Paket data.table für effiziente Datenanalyse. Statistiken berechnen. Eigene Funktionen schreiben. Plotten mit ggplot2. Erste ML-Algorithmen (Regression, Entscheidungsbaum, K-Means Clustering).