Analyse und Visualisierung von Zeitreihen-Daten in Python

Lernen Sie, wie Sie ihre Zeitreihen-Daten in Python analysieren und visualisieren können.

(*) zzgl. MwSt  (**) inkl. MwSt
Termin (2 Tage) Ort Belegung Preise
Mo 28.11 -
Di 29.11.22
Live-Online
Zoom Meeting
1.050,00  (*)
1.249,50  (**)
Inhouse-/Firmenschulung:
Kundenbewertungen & Erfahrungen zu Enable AI. Mehr Infos anzeigen.

Kurs auf einen Blick

Über die Schulung

  • Dauer: 2 Tage
  • Gruppengröße: 3-10
  • Level: Anfänger in Python mit Programmiererfahrung in einer anderen Sprache
  • Anteil Coding: 60%
  • Sprache: Python
  • Bibliotheken: pandas, matplotlib, plotly, datetime, statsmodels, sklearn, keras
  • Skript: .pdf (Theorie, Aufgaben & Lösungen)

Ihr Trainer für den Kurs

Seminar auf einen Blick

  • Einführung in Python und in Zeitreihendaten
  • Zeitreihen und ihre Merkmale visualisieren (Mittelwertfunktion, Autokorrelationsfunktion, etc.)
  • Komponenten von Zeitreihen, Zerlegungen berechnen und visualisieren
  • Zeitreihen vorhersagen durch statistische Modelle (Holt-Winters, ARIMA und Varianten)
  • Beispielhafter Einblick in andere Zeitreihenverfahren (Zustandsraum, Facebook Prophet)
  • Machine Learning Anwendungen für Zeitreihen (Vorhersage, Klassifikation, Clustering)
  • Einblick in Deep Learning für Zeitreihen (RNN, LSTM)
  • Alle Methoden mit anschaulichen Beispielanwendungen implementiert (z.B. aus den Bereichen Energie, Umwelt, Wirtschaft)

Beschreibung des Zeitreihen Kurs

Der zweitägige Kurs “Analyse und Visualisierung von Zeitreihen-Daten in Python” ermöglicht einen einfachen Einstieg in den Umgang mit Zeitreihendaten in Python. Nach einer Einführung in die Grundlagen von Python und Zeitreihen gibt das Seminar einen Einblick in die Berechnung und Visualisierung von Zeitreihen und ihren Merkmalen in Python. Danach konzentriert sich dieser Kurs auf die praktischen Umsetzung von Vorhersagen von Zeitreihen in Python und arbeitet dabei mit der gesamten Bandbreite der aktuell verwendeten Vorhersageansätze: Von traditionell statistischen Verfahren wie Holt-Winters und ARIMA, über Kalman-Filter und Facebook Prophet bis hin zu Deep Learning Ansätzen wie LSTMs. Zudem werden auch andere Zeitreihenanwendungen wie Klassifikation und Clustering behandelt. Alle Verfahren werden immer mit anschaulichen Praxisbeispielen eingeführt und geübt, so dass die Teilnehmer auf die praktische Anwendung von Zeitreihenanalysen in Python vorbereitet werden.

Der zweitägige Kurs “Analyse und Visualisierung von Zeitreihen-Daten in Python” ermöglicht einen einfachen Einstieg in den Umgang mit Zeitreihendaten in Python. Nach einer Einführung in die Grundlagen von Python und Zeitreihen gibt das Seminar einen Einblick in die Berechnung und Visualisierung von Zeitreihen und ihren Merkmalen in Python. Danach konzentriert sich dieser Kurs auf die praktischen Umsetzung von Vorhersagen von Zeitreihen in Python und arbeitet dabei mit der gesamten Bandbreite der aktuell verwendeten Vorhersageansätze:

  • Von traditionell statistischen Verfahren wie Holt-Winters und ARIMA,
  • über Kalman-Filter und
  • Facebook Prophet
  • bis hin zu Deep Learning Ansätzen wie LSTMs. Z

Zudem werden auch andere Zeitreihenanwendungen wie Klassifikation und Clustering behandelt. Alle Verfahren werden immer mit anschaulichen Praxisbeispielen eingeführt und geübt, so dass die Teilnehmer auf die praktische Anwendung von Zeitreihenanalysen in Python vorbereitet werden.

Was lernen Sie im Python Zeitreihen Analyse Kurs

Nach diesem Kurs können die Teilnehmer selbstständig Zeitreihendaten in Python einlesen, handhaben und visualisieren. Sie können aus diesen Daten Vorhersagen nach vielen aktuell verwendeten Verfahren treffen und sind mit deren Elementen vertraut, die auch in aktueller Forschung Verwendung finden (e.g. Bestandteile exponentielles Glätten, Autoregressive-Modelle, Zustandsraumdarstellungen, Machine Learning Merkmalsbestimmung, RNNs). So können sie auch moderne Misch-Verfahren nachvollziehen. Die Teilnehmer haben außerdem beispielhaft gelernt, wie sie in Python andere Fragestellungen für Zeitreihendaten wie Clustering oder Klassifikation angehen können und wie Zeitreihendaten konzeptionell im Machine Learning und Deep Learning behandelt werden können. So haben sie ein gutes Fundament für die weitergehende Anwendung von Maschine Learning für Zeitreihendaten.

  • Sie können selbstständig Zeitreihendaten in Python einlesen, handhaben und visualisieren.
  • Sie können aus diesen Daten Vorhersagen nach vielen aktuell verwendeten Verfahren treffen
  • und sind mit deren Elementen vertraut, die auch in aktueller Forschung Verwendung finden (e.g. Bestandteile exponentielles Glätten, Autoregressive-Modelle, Zustandsraumdarstellungen, Machine Learning Merkmalsbestimmung, RNNs).
  • So können sie auch moderne Misch-Verfahren nachvollziehen.
  • Sie haben außerdem beispielhaft gelernt, wie sie in Python andere Fragestellungen für Zeitreihendaten wie Clustering oder Klassifikation angehen können und
  • wie Zeitreihendaten konzeptionell im Machine Learning und Deep Learning behandelt werden können.
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
09:00 – 09:15
Begrüßung und Organisatorisches
  • Vorstellungsrunde
  • Erwartungen der Teilnehmer
09:15 – 10:45
Einführung in Zeitreihendaten in Python
  • Einführung in Python: pandas, matplotlib
  • Einführung in Zeitreihendaten: Definitionen, einfache Merkmale
10:45 – 11:00
Kaffeepause
11:00 – 12:30
Zeitreihen und ihre Merkmale visualisieren
  • Zeitreihen plotten, Plots anpassen
  • Autokorrelation, partielle Autokorrelation, gleitende Mittel berechnen und visualisieren
  • Komponenten von Zeitreihen (Trend, Saisonalität) berechnen und visualisieren
12:30 – 13:30
Mittagspause
13:30 - 15:00
Zeitreihen vorhersagen (Statistik I): Exponentielle Glättung und Holt-Winters
  • Naive Vorhersagen
  • einfaches exponentielles Glätten (SES)
  • Holt-Verfahren / Holt-Winters-Verfahren
15:00 – 15:15
Kaffeepause
15:15 – 17:00
Zeitreihen vorhersagen (Statistik II): ARIMA-Modelle
  • Autoregressive- (AR) und Moving Average (MA)
  • Mit ARMA und ARIMA-Modellen vorhersagen
  • Mit SARIMA-Modellen Saisonalität berücksichtigen
09:00 – 09:15
Rückblick und offene Fragen vom Vortag
09:15 – 10:45
Einblick in andere Zeitreihenmodelle
  • Zustandsraumdarstellung (State-space models): Ansatz, Pakete, Kalman-Filter, Anwendungsbeispiel
  • Praxisbeispiel additives Regressionsmodell mit Facebook Prophet
  • Bsp: Stromverbrauch vorhersagen unter Berücksichtigung von Saisonalität, Wochen- und Feiertagen
10:45 – 11:00
Kaffeepause
11:00 – 12:30
Machine Learning für Zeitreihen: Überblick, Vorbereitung und Vorhersagen
  • Besonderheiten Machine Learning für Zeitreihen
  • Datenvorbereitung: Rollendes Zeitfenster, Merkmalsbestimmung (Feature extraction), …
  • Überblick Machine Learning Verfahren Vorhersage, Bsp: Börsenpreisvorhersage
12:30 – 13:30
Mittagspause
13:30 - 15:00
Machine Learning für Zeitreihen: Clustering und Klassifikation
  • Random Forest Klassifikator, Bsp: Belegungserkennung anhand von Raumklimadaten
  • Clustering, Beispiel: Verbrauchercluster
15:00 – 15:15
Kaffeepause
15:15 – 17:00
Deep Learning für Zeitreihen
  • Recurrent Neural Networks (RNN)
  • LSTMs, Bsp: Stromverbrauch vorhersagen mit mehreren Inputmerkmalen

Zielgruppe für das Zeitreihen Seminar

Der Kurs “Analyse und Visualisierung von Zeitreihen-Daten in Python” ist ideal für Teilnehmer, die lernen möchten, in Python mit Zeitreihendaten umzugehen und Vorhersagen zu treffen sowie Einblick in Clustering und Klassifikation von Zeitreihen zu bekommen. Vorerfahrung mit entweder Zeitreihenanalyse oder mit Python ist hierbei empfohlen (s. Voraussetzungen).

Voraussetzungen für die Weiterbildung in Zeitreihen Python

Für den Kurs “Analyse und Visualisierung von Zeitreihen-Daten in Python” empfehlen wir entweder Vorkenntnisse / Vorerfahrung mit Zeitreihenanalyse oder mit Python, da das zügige Lerntempo für absolute Neulinge in beiden Bereichen oft nicht zu nachhaltigem Lernerfolg führt. Haben Sie bereits mit Zeitreihendaten gearbeitet oder verfügen über theoretisches Grundlagenwissen, 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. Umgekehrt gilt für Vorerfahrene in Python: Sie brauchen keine Vorkenntnisse im Umgang mit Zeitreihendaten, aber einen sicheren Umgang mit Bibliotheken wie pandas und matplotlib.

Das Seminar beinhaltet Verfahren, die auf statistischen Annahmen aufbauen, wodurch grundlegende Kenntnisse der Statistik notwendig sind. Begriffe wie Mittelwert, Median, Standardabweichung oder Korrelation sollten Ihnen bekannt sein. Alle Teilnehmer der Schulung sollten zudem Vorerfahrung mit dem Umgang von Daten haben, z.B. in Excel oder einer BI-Software, um der Einführung in den Spezialfall Zeitreihendaten in Python folgen zu können.

Unterrichtssprache ist Deutsch (bei genügend Teilnehmern kann auch eine englische Version dieses Kurses angeboten werden). Die Folien sind auf Englisch, da Python und die Dokumentation der Pakete sowie Fachbegriffe Englisch sind. Ein fachlicher englischer Text sollte daher grob verstanden werden, um der Schulung folgen zu können.

Didaktischer Aufbau vom Zeitreihen Seminar

Diese 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 in der Zeitreihen Fortbildung

  • 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 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).
Gibt es ein Buch, welches den Zeitreihen Python Kurs ergänzt?

Für das Seminar ist keine Zusatzlektüre notwendig. Grundsätzlich wird alles Wissen und Codebeispiele im Kurs so erklärt, dass es nicht nötig ist vor dem Kurs ein Buch zu lesen.

Bei Interesse, können Sie zur Vorbereitung gern mehr über die Grundlagen in der Programmiersprache Python lesen. Bspw. Paul Barry (2016) Head First Python, 2nd Edition. O’Reilly UK Ltd. oder Eric Matthes (2019) Python Crash Course, 2nd Edition. No Starch Press. Eine Einführung in die statistische Behandlung von Zeitreihen (ohne Machine Learning) gibt etwa Krauß& Neuhaus (2006) Einführung in die Zeitreihenanalyse. Springer. Zur Vertiefung nach dem Kurs geht bspw. Aileen Nielson (2019) Practical Time Series Analysis. O’Reilly UK Ltd. auch auf Machine Learning Ansätze ein.

Achten Sie außerdem darauf, dass Sie die Voraussetzungen (siehe Reiter Organisatorisches –> Voraussetzungen) erfüllen.

In welchen Städten wird das Python Zeitreihen Seminar angeboten?

Wir bieten den Kurs neben dem Live-Online Format auch in folgenden Städten an: Stuttgart, Ulm, Frankfurt, München, Hamburg, Berlin, Köln. 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 alles 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 verwendet?

Im Seminar enthält jeder Block (meist etwa 90 Minuten) eine oder mehrere Theorie- und Praxiseinheiten. Die Theorieeinheit dient dazu, Ihnen das nötige Wissen zu vermitteln, um die Herangehensweise zu verstehen und selbstständig arbeiten zu können. Der Fokus liegt auf der Praxis, d.h. dem Codeschreiben und selbstständigen Visualisieren. 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. Codebeispiele und zugehörige Visualisierungen liegen digital vor.

Wie sehen die Übungen für die Teilnehmer aus?

Die Übungen bestehen hauptsächlich aus selbstständigen Anwenden, d.h. Sie schreiben entweder kurze eigene Codebeispiele oder Sie werden gefragt, Codelücken in einem bestehenden Code zu ergänzen. Letzteres schult auch das Codeverstehen. Die Aufgaben und Beispiele 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.

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

Dr. Sina Huber

Dr. Sina Huber absolvierte ihr Mathematikstudium mit Schwerpunkt in der Stochastik / mathematischen Statistik an der TU München (TUM) mit Auslandsaufenthalten in China und Singapur, wo sie ihre Abschlussarbeit im Bereich Machine Learning verfasste.

In ihrer Promotions- und Post-Doc-Zeit im Bereich Learning Sciences an der TUM mit Forschungsaufenthalt in Stanford (USA) brachte sie neben der Forschung viel Elan für die Lehre – von statistischen Grundlagen bis hin zu modernen Verfahren aus der aktuellen Forschung – auf und beriet Natur-, Geistes- und Sozialwissenschaftler in der Anwendung dieser statistischen Verfahren.

Seit 2020 berät und schult sie nun als Selbstständige im Bereich Statistik, Machine Learning und Künstliche Intelligenz.

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 Zeitreihen Intensivkurs mit 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 Zeitreihen Analyse Kurses in Python 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 Analyse und Visualisierung von Zeitreihen-Daten in Python 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.

    Deep Learning Kurs Künstliche Intelligenz Schulung

    In diesem Kurs lernen Sie die Grundlagen von Deep-Learning kennen (mit Beispielen aus der Bild-, Text- und Sequenzdatenbearbeitung). Sie erstellen und trainieren Neuronale Netze auf GPUs mit dem anwenderfreundlichen und beliebten Framework Keras / Tensorflow (in Python). Vorkommende Neuronale-Netzwerk-Typen umfassen CNNs, RNNs und LSTMs.

    Analyse und Visualisierung von raumbezogenen (geospatial/GIS) Daten in Python

    In dieser Schulung lernen Sie, wie Sie Geo-Spatial-Daten in Python analysieren und visualisieren können.  Das Seminar behandelt raumbezogene Vektordaten (mit dem Python Paket geopandas) und Rasterdaten (mit dem Paket Rasterio). Das Python Modul Contextily wird verwendet um fortgeschrittene Visualisierungen zu realisieren.

    Datenvisualisierung Dashboards in Python

    In dieser Schulung lernen Sie, wie Sie schnell und effektiv Ihre Daten und Ergebnisse mit Python visualisieren und mit anderen teilen können. Auch die interaktive Visualisierung wird behandelt. Verwendete Python Pakete sind: pandas, matplotlib, plotly, rise, ipywidgets, voila, streamlit.

    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.

    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