Dieser Kurs dauert in Summe 4 Wochen 
im Ausmaß von 44 UE (UE = Unterrichtseinheit à 50min.)

Kosten: EUR 2.200,- (auch Ratenzahlung möglich zu je 5 Raten)

Umsatzsteuerbefreit gemäß § 6 Abs.1 Z11A UStG.

In diesem umfassenden Kurs wirst du zunächst deine Python-Kenntnisse auffrischen und erweitern, bevor du in die Welt der Datenanalyse und des maschinellen Lernens eintauchst. Modul 1 bietet eine gründliche Wiederholung der wichtigsten Python-Grundlagen und führt dich in die wesentlichen Bibliotheken für die Datenanalyse ein, wie NumPy und Pandas. Du lernst, Daten zu manipulieren, zu analysieren und mit Matplotlib ansprechend zu visualisieren.

In Modul 2 wirst du die Grundlagen des Machine Learnings erlernen und praktische Erfahrung mit der Implementierung einfacher Modelle in Python sammeln. Mit Scikit-Learn wirst du wichtige Algorithmen wie lineare Regression und Entscheidungsbäume verstehen und anwenden. Außerdem erhältst du Einblicke in die Modellbewertung und Optimierung durch Cross-Validation und Hyperparameter-Tuning. Dieser Kurs ist ideal für Einsteiger, die ihre Python-Fähigkeiten festigen und sich eine solide Grundlage in Data Science und Machine Learning erarbeiten möchten.

Modul 1: Python für Machine Learning (Woche 1-2)

Lektion 1: Python Syntax und Grundstrukturen Einführung in Python
- Variablen, Datentypen und Operatoren
- Kontrollstrukturen: Bedingte Anweisungen (if, else, elif)
- Schleifen: for, while
- Funktionen und Modularität

Lektion 2: Arbeiten mit Datenstrukturen
- Listen, Tupel und Sets
- Dictionary: Schlüssel-Wert-Paare
- List Comprehensions
- Iterationen und grundlegende Algorithmen (z.B. Sortieren, Suchen)

Lektion 3: Einführung in Bibliotheken für Datenanalyse 
- Arrays und grundlegende Operationen
- Pandas: Series und DataFrames, grundlegende Datenmanipulation
- Matplotlib: Grundlegende Visualisierungen (Linien-, Balken-, und Streudiagramme)

Modul 2: Datenanalyse & Feature Engineering (Woche 3-4)

Lektion 4: Einführung in die Datenanalyse mit Pandas
   - Überblick über Pandas-Datenstrukturen: Series und DataFrames
   - Daten laden und speichern (CSV)
   - Datenbereinigung und -vorbereitung
   - Fehlende Werte identifizieren und behandeln

Lektion 5: Explorative Datenanalyse (EDA)
   - Deskriptive Statistiken und Datenaggregation
   - Verteilung der Daten untersuchen
   - Gruppenoperationen und Pivot-Tabellen
   - Anwendung von Pandas-Funktionen zur Analyse und Filterung

Lektion 6: Feature Engineering

Grundlagen des Feature Engineerings
   - Was ist Feature Engineering und warum ist es wichtig?
   - Techniken zur Erstellung neuer Features
   - Feature-Scaling: Normalisierung und Standardisierung

Feature-Erstellung und -Transformation
   - Kategorische Variablen in numerische Features umwandeln (One-Hot-Encoding, Label-Encoding)
   - Erstellen von Interaktionen zwischen Features
   - Umgang mit Zeitreihendaten und Extraktion von zeitbezogenen Features

Feature-Auswahl
   - Techniken zur Auswahl relevanter Features (z.B. Korrelationsanalyse, Feature-Importance)
   - Reduktion der Dimensionalität: Prinzipal Component Analysis (PCA)

Praktische Übung:
   - Feature Engineering für einen bereitgestellten Datensatz: Erstellung und Auswahl von Features zur Verbesserung der Modellleistung

Materialien und Ressourcen:
- Beispiele und Fallstudien aus verschiedenen Branchen
- Literatur und Online-Ressourcen zur Vertiefung der
Themen

PC & Windows-Kenntnisse
Grundkenntnisse in Python
 

Diese Kurs dauert in Summe 4 Wochen 
im Ausmaß von 44 UE (UE = Unterrichtseinheit à 50min.)

Kurszeitenvorschlag*
Montag: 09:00 - 12:30 Uhr
Mittwoch: 09:00 - 12:30 Uhr
Freitag: 09:00 - 12:00 Uhr

*Die Kurszeiten werden in der Regel gemeinsam mit dem Trainingspersonal in der Gruppe festgelegt, daher kann es zu Abweichungen kommen. Hier wird darauf geachtet, dass die Kriterien der Förderstellen nach wie vor eingehalten werden.

Selbstlernzeiten:
Für alle unsere Kurs- bzw. Lehrgangsteilnehmer*innen bieten wir die Möglichkeit an Selbstlernzeiten in unserem Institut wahrzunehmen. Wir empfehlen sich gleich von Anfang an parallel zum Kurs / Lehrgang nochmals mit dem Thema zu beschäftigen. Damit Sie Ihre Kenntnisse in der jeweiligen Software festigen können, ist es sehr wichtig das frisch Erlernte auch gleich anzuwenden. Erst bei der Wiederholung realisieren Sie, ob Sie das Thema anwenden können oder ob es noch Probleme gibt, die Sie beim nächsten Kurs- bzw. Lehrgangstermin mit der Trainingspersonal besprechen können. Hierzu stehen Ihnen unsere PCs und Lizenzen zur Verfügung.