Kurs: Einführung Python für Data Science

Was bietet mir diese Veranstaltung? Dieser Python-Kurs vermittelt einen praxisnahen Einstieg in Python für Data Science. Teilnehmer lernen, Daten mit Python zu analysieren, aufzubereiten und zu visualisieren. Im Fokus stehen Python-Programmierung, Data Science, Machine Learning und KI. Die Übungen erfolgen in Jupyter Notebooks über browserbasierte Tools. Was lernen die Teilnehmer? Teilnehmer lernen die Grundlagen der Python-Programmierung im Data-Science-Kontext. Sie setzen typische Schritte einer Datenanalyse mit Python praktisch um. Daten mit Pandas auswählen, filtern, transformieren und aggregieren numerische Berechnungen mit NumPy durchführen Daten mit Matplotlib und Seaborn visualisieren Machine-Learning-Modelle mit scikit-learn und TensorFlow einordnen reproduzierbare Workflows in Jupyter Notebooks erstellen strukturierte Analysen und verständliche Ergebnispräsentationen umsetzen Für wen ist diese Veranstaltung geeignet? Der Kurs richtet sich an Personen, die erste Schritte in Machine Learning, KI und Data Science mit Python gehen möchten. Er eignet sich für Einsteigerinnen und Einsteiger in Python und Data Science. Für die praktischen Übungen wird ein kostenfreier Kaggle- oder Colab-Account benötigt. Darüber richten Teilnehmer Jupyter Notebooks ein. stabile Internetverbindung aktueller Webbrowser wie Chrome, Firefox oder Edge PC oder Laptop mit Lautsprecher oder Kopfhörer Mikrofon und Webcam Was erhalten Sie als Teilnehmender? Teilnehmer erhalten eine Teilnahmebescheinigung der TÜV NORD Akademie. Die Seminarunterlagen werden auf Deutsch bereitgestellt. Der Kurs nutzt browserbasierte Tools. Installationen im Vorfeld sind nicht notwendig. Warum dieser Workshop? Python ist ein Standard für datengetriebene Anwendungen. Der Workshop verbindet Python-Programmierung mit Data Science, Machine Learning und KI. Teilnehmer arbeiten praxisnah mit Pandas, NumPy, Matplotlib, Seaborn, scikit-learn und TensorFlow. So entsteht eine Grundlage für eigene Datenanalysen mit Python. Agenda Einführung in Python Datentypen, Kontrollstrukturen, Funktionen und Module Datenbearbeitung mit Pandas: Auswahl, Filterung, Transformation und Aggregation Numerische Berechnungen mit NumPy Datenvisualisierung mit Matplotlib und Seaborn Einführung in Machine Learning mit scikit-learn und TensorFlow: Klassifikation, Regression, Modelltraining und -evaluation Feature Engineering durch Künstliche Intelligenz Best Practices: reproduzierbare Workflows, strukturierter Code, verständliche Ergebnispräsentation Ausblick und Trends