Fortgeschrittene Datenanalyse mit Python – eLearning

450,00 EUR

  • 30 hours
eLearning

Entfesseln Sie die Kraft von Daten mit Advanced Data Analysis in Python und verwandeln Sie Rohinformationen in aussagekräftige Business-Insights. Dieser umfassende Kurs ist darauf ausgelegt, Ihnen moderne Datenanalysetechniken mit den leistungsstärksten Python-Bibliotheken wie NumPy, Pandas und Matplotlib zu vermitteln.

Hauptfunktionen

Sprache

Kurs und Materialien auf Englisch

Stufe

Mittelstufe–Fortgeschrittenes Niveau

Zugriff

1 Jahr Zugang zur Lernplattform

Über 9 Stunden Video-on-Demand

mit über 30 Stunden empfohlener Lernzeit

8 automatisch bewertete Tests

29 geführte praktische Übungen

4 Aufgaben

und 55 Wiederholungsquizze

Zertifizierung

Zertifikat über den Abschluss des Programms inbegriffen

Hero

Lernergebnisse

Am Ende dieses Kurses werden Sie in der Lage sein:

Manipulation

Verwenden Sie Python für fortgeschrittene Datenmanipulation und -analyse

Pandas

Komplexe Datensätze mit Pandas bereinigen, transformieren und vorverarbeiten

NumPy

Führen Sie numerische Berechnungen effizient mit NumPy durch

Matplotlib

Erstellen Sie aussagekräftige Datenvisualisierungen mit Matplotlib

Explorativ

Wenden Sie Techniken der explorativen Datenanalyse (EDA) an, um Erkenntnisse zu gewinnen

Datenformat

Arbeiten Sie mit strukturierten und unstrukturierten Datenformaten

Entscheidung

Führen Sie statistische Analysen für bessere Entscheidungen durch

Datensätze

Kombinieren Sie mehrere Datensätze für tiefere Analyseerkenntnisse

Problemlösung

Stärke dein Vertrauen im Lösen praxisnaher Datenprobleme mit Python

Hero

Kurszeitplan

  1. Explorative Datenanalyse in Python

    Lektion 01

    • Was ist EDA?
    • Profiling eines Datensatzes
    • Kategorische Variablen zusammenfassen
    • Zusammenfassung quantitativer Variablen
    • Datensätze zusammenführen
    • Umformen von Datensätzen
    • Korrelation
  2. Konfirmatorische Datenanalyse in Python

    Lektion 02

    • Einführung in CDA
    • Von der Erkundung zur Bestätigung
    • Fallstudie: A/B-Testing
    • Überprüfung auf Normalverteilung
    • Grundlagen der linearen Regression
    • Regression mit Stats Models
    • Unabhängige Stichproben mit T-Test
    • Multiple Regression
  3. Pandas für Fortgeschrittene

    Lektion 03

    • Einführung in Pandas für Fortgeschrittene
    • Multi-Index
    • Daten und Zeiten
    • Resampling
    • Fensterfunktionen
    • Fehlende Werte
    • Werte neu codieren
    • Reguläre Ausdrücke
  4. Unstrukturierte Daten in Python

    Lektion 04

    • Überblick über unstrukturierte Daten
    • Vorverarbeitung von Bildern
    • Bildsegmentierung
    • Bilddarstellung
    • Die Grundlagen von NLTK
    • Zugriff auf Korpora
    • Korpora verarbeiten
    • Analyse und Annotation von Korpora
  5. Arbeiten mit APIs in Python

    Lektion 05

    • Was ist eine API?
    • REST-API-Grundlagen
    • REST-APIs in Python
    • Streaming-APIs in den Grundlagen
    • Streaming-APIs in Python
    • Verarbeitung von Streaming-Daten
    • Bewährte Methoden für API-Tokens
  6. Paralleles Rechnen mit Dask

    Lektion 06

    • Dask und paralleles Rechnen
    • Dask DataFrames
    • Datenverarbeitung in Dask
    • Arbeiten mit Dask-DataFrames
    • Visualisierung von Dask-DataFrames
    • Leistungsvisualisierung mit dem Dask-Dashboard
  7. Seaborn für Fortgeschrittene

    Lektion 07

    • Verteilung visualisieren
    • Benutzerdefinierte Themes und Farbpaletten
    • Benutzerdefinierte Schriftarten und Anmerkungen
    • Jointpilot und Jointgrid
    • Regression visualisieren
    • Facetgrid
  8. Interaktive Visualisierung mit Plotly und Bokeh

    Lektion 08

    • Statische vs. dynamische Visualisierungen
    • Die Grundlagen von Plotly
    • Plotly Express im Detail
    • Graph-Objekte
    • Einführung in Bokeh
    • Anpassen von Bokeh-Diagrammen
    • Anpassen von Bokeh-Layouts
Datenanalyse

Für wen ist dieses Programm geeignet?

Voraussetzungen

  • Grundlegendes Verständnis der Python-Programmierung
  • Vertrautheit mit grundlegenden Programmierkonzepten (Variablen, Schleifen, Funktionen)
  • Grundkenntnisse in Mathematik oder Statistik sind hilfreich, aber nicht zwingend erforderlich
  • Interesse an Datenanalyse und Problemlösung

Angehende Data Analysts und Data Scientists

Softwareentwickler beim Wechsel in Datenberufe

Business-Analysten, die mit datengestützten Entscheidungen arbeiten

Fachkräfte, die ihre Python- und Analysekenntnisse ausbauen möchten

Kurs jetzt starten

Erklärungen

Lizenzierung und Akkreditierung

Dieser Kurs wird gemäß der Partnerprogramm-Vereinbarung angeboten und entspricht den Anforderungen der Lizenzvereinbarung.

Gleichstellungspolitik

Kandidaten werden ermutigt, sich während des gesamten Prozesses der Bereitstellung von Vorkehrungen für Beratung und Unterstützung an das AVC zu wenden.


Häufig gestellte Fragen

Contact background

Benötigen Sie Unternehmenslösungen oder eine LMS-Integration?

Haben Sie nicht den Kurs oder das Programm gefunden, das für Ihr Unternehmen geeignet wäre? Benötigen Sie eine LMS-Integration? Schreiben Sie uns! Wir werden alles lösen!