Dieser Kurs dauert in Summe 2 Wochen 
im Ausmaß von 22 UE (UE = Unterrichtseinheit à 50min.)

Kosten: EUR 1150,-

Umsatzsteuerbefreit gemäß § 6 Abs.1 Z11A UStG.

In diesem Modul tauchen die Teilnehmer tief in die Welt der Datenanalyse und des Feature Engineerings ein. Der Schwerpunkt liegt auf der Anwendung von Pandas, NumPy und Matplotlib, um komplexe Datensätze zu untersuchen und bedeutungsvolle Merkmale für Machine-Learning-Modelle zu entwickeln.

Datenanalyse: Die Teilnehmer lernen, wie sie Daten umfassend untersuchen, Muster und Anomalien identifizieren und statistische Analysen durchführen können, um fundierte Erkenntnisse zu gewinnen.

Feature Engineering: Der Kurs vermittelt Techniken zur Erstellung neuer, relevanter Features aus Rohdaten, die die Leistung von Machine-Learning-Modellen verbessern. Es wird gezeigt, wie man Daten transformiert, bereinigt und anreichert, um die Modelle optimal zu trainieren.

Durch praktische Übungen und Fallstudien erwerben die Teilnehmer die Fähigkeiten, um Daten effizient vorzubereiten und zu analysieren, was zu robusteren und genaueren Machine-Learning-Modellen führt.

Woche 1: Datenanalyse

1. 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

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

Woche 2: Feature Engineering

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

2. 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

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

4. 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

- Grundlegende Python-Kenntnisse: Einfache Programmierkenntnisse in Python.
- Erfahrung mit Pandas, NumPy, und Matplotlib: Grundlegende Nutzung dieser Bibliotheken für Datenanalyse und Visualisierung.
- Mathematische Basis: Grundverständnis von Statistik und Zahlenverarbeitung.

Diese Grundlagen helfen dabei, die Inhalte des Kurses gut zu verstehen und anzuwenden.

Diese Kurs dauert in Summe 2 Wochen 
im Ausmaß von 22 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.

Damit Ihr Kursbesuch ein voller Erfolg wird ist unser Unterrichtsformat auf einen optimalen Verlauf ausgerichtet. Unsere Kurse stechen durch folgende Merkmale hervor:

Limitierte Teilnehmer*innenzahl von 2-6 Personen

Selbstlernzeit (optional)

Halbtageskurse:

- max. 3-4 UE (Unterrichtseinheiten à 50min.) Unterricht pro Kurstermin

- 2-3 Kurstermine pro Woche

Kursort: Direkt auf der Mariahilfer Straße mitten in Wien!
(Atelier04, Amerlingstraße 19/26, 1060 Wien; Öffentliche Verbindungen: U3, 14A, 13A )

Top technische Ausstattung: 27 Zoll Bildschirme, High-End-PCs für ein stressfreies Arbeiten und stets die aktuellsten Versionen der Programme, ein 3D-Drucker im Institut, 86 Zoll Touch-Displays in den Gruppenkursräumen für unser Trainingspersonal etc.

Die Zahl der Kursteilnehmer*innen ist limitiert auf 2-6 Personen. Somit findet der Kurs in einer kleinen Gruppe statt, damit auf Ihre Fragen näher eingegangen werden kann. Die Qualität des Kurses ist dadurch deutlich höher und der Lernerfolg dementsprechend vielversprechend.
Zudem bieten wir Selbstlernzeiten an. Es handelt sich hierbei um eine Möglichkeit die wir unseren Kursteilnehmer*innen offerieren hier bei uns im Institut selbständig zu üben. Dabei stellen wir Ihnen für die Kursdauer unsere Räumlichkeiten, High-End-PCs und vor allem Lizenzen zur Verfügung. Für einen idealen Kursfortschritt sollten Sie gleich von Anfang an und zwar parallel zum Kurs üben bzw. wiederholen. Das funktioniert nur, wenn Sie auch die jeweilige Lizenz für die Software haben. Es ist sehr wichtig, dass Sie ein Verständnis für die jeweilige Software entwickeln und das ist nur möglich, wenn Sie sich parallel zum Kurs mit der Thematik befassen. Weiters sind unsere Kurse als Halbtageskurse konzipiert, denn die Konzentration lässt bei den Meisten besonders nach ca. 4 UE (1UE = 50min.) stark nach. Somit lernen Sie in einem effizienten Rahmen und nehmen das Maximum an Kenntnissen vom Unterricht mit. Der Kursort direkt auf der Mariahilfer Straße ist mit den öffentlichen Verkehrsmitteln leicht zu erreichen und lädt vor oder nach dem Kurs zum Schlendern ein.