Mit Python zum Profi - Python für Dataanalysten

Nächster Termin:
Ständig im Angebot mit laufendem Einstieg
Gesamtdauer:
540 Stunden in 60 Tagen
Praktikum:
Nein
Unterrichtssprachen:
  • Deutsch
Veranstaltungsart:
  • Weiterbildung 
Angebotsform:
Durchführungszeit:
  • Tagesveranstaltung
Teilnehmer min.:
keine Angaben
Teilnehmer max.:
12
Preis:
keine Angaben
Förderung:
  • Bildungsgutschein 
  • Qualifizierungschancengesetz 
  • EU/Bund/Land 
Abschlussart:
Zertifikat/Teilnahmebestätigung 
Abschlussprüfung:
Nein
Abschlussbezeichnung:
keine Angaben
Zertifizierungen des Angebots:
  • SGB III-Maßnahmezulassung 
Angebot nur für Frauen:
Nein
Kinderbetreuung:
Nein
Infoqualität:
Suchportal Standard Plus

Zielgruppen:
keine Angaben
Fachliche Voraussetzungen:
 Individuelle Eignung
Technische Voraussetzungen:
Keine besonderen Anforderungen.
Systematik der Agenturen für Arbeit:
  • C 1435-10-10 Softwareentwicklung, Programmierung - allgemein

Inhalte

Grundlagen der Programmierung mit Python

Inhalt:

Python installieren
Erste Schritte
Python an der Eingabeauffoderung
Ein erstes Programm erstellen
Das Programm ausführen
Die Programmiersprache Python
Variablen und Operatoren
Verzweigungen
Schleifen
Funktionen
Datentypen
Fehlerbehandlung in Pyhon-Programmen
Objektorientierte Programmierung
Klassen
Konstruktoren, Destruktoren
Methoden
Vererbung
Benutzeroberflächen mit "tkinter"


Fortgeschrittene Programmierung mit Python

Inhalt:
Fortgeschrittene Programmierung mit Python
Datenverwalten: Streams und Dateien
Serialisierung von Daten
Grundlagen von XML und XSLT
Datenbankanbindung
Netzwerkprogrammierung
Internetprogrammierung
GUI-Programmierung
Python und C/C++
Weitere Fortgeschrittene Techniken


Python für Dataanalysten

Big Data Analytics steht für die Untersuchung von großen Mengen an Daten unterschiedlicher Arten (Big Data), um darin versteckte Muster, unbekannte Korrelationen und andere nützliche Informationen zu entdecken, um Unternehmen zu besseren geschäftlichen Entscheidungen zu verhelfen.


Inhalt:

Iphyton
Help and Documentation
Keyboard Shortcuts
Magic Commands
Input and Output History
Iphyton History
Iphyton and Shellcommands
Profiling and timing Codes
Introduction to NumPy
Basic NumPy Arrays
Computation NumPy Arrays
Aggregation
Comparisons, Masks and Boolean Logic
Fancy Indexing
Sorting Arrays
Structured Data
Data Manipulation with Pandas
Pandas Objects
Data Indexing and Selection
Operation on Data in Pandas
Handling missing Data
Hierarchical Indexing
Combining Datasets (Concat, Append, Merge, Join)
Aggregation and Grouping
Privot Tables
Vectorized String Operations
Working with Time Series
High Performance Pandas
Visualisation with Matplotlib
General Tips
Simple Line Plots
Simple Scatter Plots
Visualizing Errors
Density and Contour Plots
Histograms
Multiple Subplots
Text and Annoncation
Customizing Ticks
Three Demensional Plotting
Geographic Data with Basecamp
Visualisation with Seaborn
Machine Learning
Introducing Scikit Learn
Hyperparameters
In Depth Machine Learning

Alle Angaben ohne Gewähr. Für die Richtigkeit der Angaben sind ausschließlich die Anbieter verantwortlich.

Erstmals erschienen am 15.10.2024, zuletzt aktualisiert am 15.10.2024