Następny termin:
Ständig im Angebot mit laufendem Einstieg
Łączny czas trwania:
180 Stunden in 20 Tage
Praktyka:
Nein
Język wykładowy:
  • Deutsch
Rodzaj szkolenia:
  • Weiterbildung 
Forma oferty:
Czas przeprowadzania zajęć:
  • Tagesveranstaltung
Min. ilość uczestników:
keine Angaben
Maks. ilość uczestników:
12
Cena:
keine Angaben
Finansowanie:
  • EU/Bund/Land 
  • Bildungsgutschein 
  • Qualifizierungschancengesetz 
Rodzaj dyplomu:
Zertifikat/Teilnahmebestätigung 
Egzamin końcowy:
Nein
Rodzaj świadectwa ukończenia:
keine Angaben
Certyfikaty oferty:
  • SGB III-Maßnahmezulassung 
Oferty tylko dla kobiet:
Nein
Organizatorzy oferujący opieką dla dzieci:
Nein
Jakość informacji:
Suchportal Standard Plus

Grupy docelowe:
keine Angaben
Wymagania specjalistyczne:
 Individuelle Eignung
Wymagania techniczne:
Keine besonderen Anforderungen.
Systematyka agencji zatrudnienia:
  • C 1435-10-10 Softwareentwicklung, Programmierung - allgemein

Treści

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. In diesem Kurs bieten wir einen Überblick über die Potenziale von Künstlicher Intelligenz (KI), einschließlich Tools wie ChatGPT (GPT). Wir möchten den Teilnehmenden eine interaktive und praxisnahe Lernerfahrung ermöglichen und ihre Fähigkeiten in diesem Bereich fördern.

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
Pivot 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

Wszystkie informacje bez gwarancji. Za poprawność informacji odpowiadają wyłącznie organizatorzy.

Po raz pierwszy opublikowano dnia 22.10.2024, Ostatnia aktualizacja 21.10.2024