Data Science / Data Mining Intensivseminar in Python (5 Tage)

Kurs

In Stuttgart

2.630 € zzgl. MwSt.

Beschreibung

  • Kursart

    Intensiv-Workshop

  • Niveau

    Anfänger

  • Ort

    Stuttgart

  • Unterrichtsstunden

    40h

  • Dauer

    5 Tage

Python für Data Science und Machine Learning

In diesem 5-tägigem Intensivseminar lernen Sie wie Sie Python für Data Science / Data Mining Projekte anwenden können, auch unter Hinzunahme von Machine Learning Algorithmen. Python Kenntnisse werden nicht vorausgesetzt, Vorerfahrung in einer anderen Programmiersprache sind aber notwendig.

Am Ende des Seminars haben Sie ein theoretische Verständnis für Data Sciene und Machine Learning Verfahren und können Data Science Analysen mit dem Python Paket pandas erstellen und Machine Learning Algorithmen (mit dem Paket scikit-learn) auf ihren Daten trainieren und die Ergebnisse evaluieren. Plots und Grafiken werden mit den Python Paketen seaborn und matploblib erstellt.

Die verwendete Entwicklungsumgebung / IDE ist Spyder.

Dieser Kurs ist sehr praxisorientiert, d.h. die Teilnehmer bearbeiten in jedem Themenblock Übungsaufgaben (Musterlösungen vorhanden), in denen Sie Code schreiben dürfen. Dadurch wird das theoretische Wissen gleich in die Praxis umgesetzt.

Behandelte Themen in diesem Seminar:
* Grundlagen von Python
* Grundlegende Datenstrukturen in Python
* Das Paket pandas – Data.Frame
* Berechnen von Statistiken direkt im pandas Data.Frame
* Datenvisualisierung mit seaborn / matplotlib
* Daten einlesen und schreiben
* Datenbank (Python Paket SQLAlchemy)
* Python Paket Numpy (für numerische Berechnungen)
* Datenaufbereitung
* Überblick über Machine Learning
* Lineare Regression mit scikit-learn
* Logistische Regression mit statsmodels
* Entscheidungsbaum mit scikit-learn
* Ensembles (+ Ada-Boost)
* Random Forest
* weitere Machine Learning Algorithmen: K-nearest Neighbor, Einfaches Neuronales Netzwerk
* Grid Search & Cross Validation
* Clustering (K-Means, DBSCAN)
* Fallbeispiel zum Wiederholen

Standorte und Zeitplan

Lage

Beginn

Stuttgart (Baden-Württemberg)
Karte ansehen

Beginn

auf Anfrage

Hinweise zu diesem Kurs

Dieser Kurs verfolgt das Ziel, Ihnen das notwendige theoretische Wissen über Data Science und Machine Learning zu vermitteln und zu zeigen, wie Sie die Datenanalysen und Algorithmen in Python umsetzen können. Der Fokus liegt dabei in der praktischen Umsetzung in Python.

Die Python Schulung richtet sich an Data Analysts, angehende Machine Learning engineers, data scientists, Busines Intelligence Analysts, Datenanalysten, o.ä. welche die Programmiersprache Python für Datenanalysen und Data Mining / Data Science Projekte einsetzen möchten und auch Machine Learning Algorithmen kennen lernen möchten.

Python Kenntnisse werden nicht vorausgesetzt. Notwendig ist jedoch grundlegende Konzepte einer anderen Programmiersprache zu verstehen, so dass Stichworte wie Variable, Funktion, Zuweisung von Werten zu einer Variablen, for-Schleife bekannt sind. Grundlegende Vorkenntnisse in der Statistik sind notwendig (d.h. Begriffsdefinitionen wie z.B. Normalverteilung, Median, Mittelwert, Standardabweichung). Zudem Kenntnisse der grundlegenden mathematischen Symbole und Begriffe (z.B. Exponentialfunktion, Integral, Ableitung, Summenzeichen). Kenntnisse im Lesen der Englischen Sprache sind hilfreich.

* Die Schulungsleiter kommen aus der Praxis und haben langjährige praktische Erfahrung in dem Gebiet.

* Unsere Kurse sind vollständig ausgearbeitet. Die Schulung hat eine klare Struktur. Die Theorie wird anhand von Folien erläutert, welche auch als Nachschlagemöglichkeit verwendet werden können. Zu jeder Übungsaufgabe gibt Lösungen (fertigen Code,) der einen (oder mehrere) Lösungswege darstellt. Fragen, auch über das Thema hinausgehende, werden am Flipchart erläutert. Falls wir eine Frage nicht spontan oder nur unzureichend am Flipchart beantworten können, erarbeiten wir neue Unterlagen und versenden diese nach dem Seminar. Unsere Seminare sind KEINE Live-Coding Sessions des Kursleiters, in denen die Kursteilnehmer hauptsächlich damit beschäftigt sind, den Code des Dozenten abzutippen.

* Bisherige Schulungsteilnehmer empfehlen uns weiter uns sind sehr zufrieden mit unseren Kursen (siehe unsere ProvenExpert Bewertungen https://www.provenexpert.com/enable-ai/)

* Der Schwerpunkt der Schulung liegt in der praktische Umsetzung mit vielen Übungsaufgaben (und Lösungen). Dabei erhoffen wir uns, dass Sie die gängigen Fehler schon während des Kurses machen können (um sie hinterher zu vermeiden :)

* Die Gruppengröße ist auf max. 10 Teilnehmer beschränkt. Damit können wir garantieren, dass wir jede Frage individuell beantworten können.

Unsere Kurse finden ab 3 Teilnehmern statt. Die Gruppengröße ist auf max. 10 Teilnehmer beschränkt.

Die Widerrufsbelehrung können Sie unter https://www.enable-ai.de/widerrufsrecht/ finden. Buchungen können bis 14 Tage vor Kursbeginn kostenlos storniert werden. 7 bis 14 Tage vor Kursbeginn fallen 50% Stornokosten an. Bei einer Stornierung von weniger als 7 Tagen vor Kursbeginn müssen wir Ihnen die gesamte Kursgebühr zzgl. MwSt in Rechnung stellen. Sie haben bei Stornierung aber die Möglichkeit das (oder ein anderes) bereits stattfindendes Seminar kostenfrei (bzw. nach Bezahlung des Differenzbetrages) zu besuchen. Natürlich kann auch kurzfristig ein Kollege / eine Kollegin Sie im Seminar vertreten.

Sie können uns gerne kontaktieren (info@enable-ai.de). Gemeinsam können wir feststellen, ob der Kurs für Sie geeignet ist, oder ob zur Erreichung Ihrer Ziele ein anderer Kurs aus unserem Angebot an Data Science, Machine Learning bzw. Deep Learning Schulungen besser passen würde. Falls nicht, haben wir ggfs. den ein oder anderen Hinweis, wie Sie ohne unsere Dienstleistungen im Bereich Künstlicher Intelligenz weiterkommen können.

Die Übungsaufgaben sind meistens Coding Aufgaben, d.h. Sie sollen entweder Code-Snippets selbst schreiben oder Lücken im Code ausfüllen. Das Lückenausfüllen schult auch das Lesen und Verstehen von Code. Die Schwierigkeit und Umfang der Aufgaben ist so gestaltet, dass die wichtigsten Übungen von allen Kursteilnehmern erfolgreich (in der dafür vorgegebenen Zeit) bearbeitet werden können. Es gibt Übungsaufgaben unterschiedlichen Schwierigkeitsgrades, so dass Teilnehmer mit Vorwissen oder schnellere Teilnehmer zusätzliche Aufgaben zur Verfügung stehen. Desweiteren haben wir in einigen Kapiteln kurze Kontrollfragen zum theoreitschen Teil vorbereitet.

Jeder Block (meist 90 Minuten lang) umfasst eine oder mehrere Einheiten aus Theorie und Praxis. Die Theorieeinheit erläutert das nötige Wissen um die Übungsaufgaben verstehen und eigenständig bearbeiten zu können. Wir vermeiden es, Ihre Zeit mit langen, wissenschaftlich theoretischen Ausschweifungen zu verschwenden und beschränken uns stattdessen auf die notwendige Theorie, die zu einem besseren Verständnis und Intuition verhilft. Der Schwerpunkt der Schulung ist die Praxis, d.h. Codeschreiben und das Lösen von Verständnisaufgaben stehen im Mittelpunkt. Wir beantworten jederzeit gerne Fragen von Kursteilnehmern. Aufkommende Fragen während der Übungsaufgaben werden individuell beantwortet. Fragen, die alle Teilnehmer interessieren könnten, werden nach dem Praxisblock ausführlich erläutert. Das Skript, welches neben den Folien mit der vorgestellten Theorie und mach weiterführenden Erklärungen, auch den Code umfasst, erhalten Sie in digitaler (als .pdf) und gedruckter Version. Der Code und die Musterlösung der Aufgaben gibt es digital.

Fragen & Antworten

Ihre Frage hinzufügen

Unsere Berater und andere Nutzer werden Ihnen antworten können

Wer möchten Sie Ihre Frage beantworten?

Geben Sie Ihre Kontaktdaten ein, um eine Antwort zu erhalten

Es werden nur Ihr Name und Ihre Frage veröffentlicht.

Meinungen

Themen

  • Python
  • Data science
  • Data Mining
  • Datenanalyse
  • Machine Learning
  • Scikit-learn (Python Paket)
  • Numpy (Python Paket)
  • Seaborn
  • Matplotlib (Python Pakete)
  • Pandas (Python Paket)
  • Pandas data.frame
  • Entscheidungsbaum (Decision Tree)
  • Lineare
  • Logistische Regression
  • Ensembles (Machine Learning)
  • Ada Boost
  • Random forest
  • Neuronales Netz
  • Algorithmen zum Clustering

Dozenten

Jan Köhler

Jan Köhler

Deep Learning, Machine Learning, Data Science, KI, Python, R

Vom Hintergrund Statistiker und Wirtschaftsingenieur hat er über 7 Jahre an den neuesten Technologien in Machine Learning, Deep Learning und Data Science im Bosch Center for Artificial Intelligence (BCAI) gearbeitet, hat in der Praxis bei über 25 Patentanmeldungen (meist als Haupterfinder) beigetragen und ist Mitautor bei Veröffentlichungen im Bereich Machine Learning, Medizinstatistik bzw. Operations Research. In vielen Praxisprojekten unterstützte er bisher als Data Scientist bei den verschiedenen Stufen eines Data Mining Projekts und hat bisher über 300 Teilnehmer geschult.

Inhalte

Behandelte Themen in diesem Seminar:
* Grundlagen von Python
* Grundlegende Datenstrukturen in Python
* Das Paket pandas – Data.Frame
* Berechnen von Statistiken direkt im pandas Data.Frame
* Datenvisualisierung mit seaborn / matplotlib
* Daten einlesen und schreiben
* Datenbank (Python Paket SQLAlchemy)
* Python Paket Numpy (für numerische Berechnungen)
* Datenaufbereitung
* Überblick über Machine Learning
* Lineare Regression mit scikit-learn
* Logistische Regression mit statsmodels
* Entscheidungsbaum mit scikit-learn
* Ensembles (+ Ada-Boost)
* Random Forest
* weitere Machine Learning Algorithmen: K-nearest Neighbor, Einfaches Neuronales Netzwerk
* Grid Search & Cross Validation
* Clustering (K-Means, DBSCAN)
* Fallbeispiel zum Wiederholen

Data Science / Data Mining Intensivseminar in Python (5 Tage)

2.630 € zzgl. MwSt.