- Erweiterung von Kenntnissen über grundlegende und fortgeschrittene Techniken in der Datenwissenschaft
- Vermittlung von Fähigkeiten in Python, maschinellem Lernen, Datenmodellierung und Datenvisualisierung
Verständnis der Datenwissenschaft mit Python
- Einblick in Data Science und der Einfluss von Datenwissenschaftlern auf Entscheidungsprozesse
- Analyse der Bedeutung von Python für Data Science-Prozesse mit Pandas, NumPy und Matplotlib
- Erkundung des maschinellen Lernprozesses durch Python
- Installation und Einrichtung einer Python-Umgebung für effektive Data Science-Workflows
Datenhandhabung mit Pandas und NumPy
- Nutzung von Pandas für Datenaufbereitung, Bereinigung und Manipulation in Data Science
- Behandlung fehlender Daten und Anomalien mit Pandas
- Anwendung von NumPy für datenbasierte numerische Berechnungen und Transformationen
- Kombination und Umstrukturierung von Datensätzen zur Analyse mit Pandas DataFrames
Erstellung von Visualisierungen mit Python
- Nutzung von Matplotlib und Seaborn für detaillierte Datenvisualisierungen
- Veranschaulichung von Mustern und Beziehungen in Daten durch Diagramme und Grafiken
- Optimierung von Visualisierungen für klarere Darstellung und Einsicht in Daten
- Rolle des Storytellings in der Datenwissenschaft für bessere Dateninterpretation
Interaktive Visualisierung und Berichterstellung
- Gestaltung interaktiver Visualisierungen mit Plotly und Bokeh
- Strategien zur Präsentation von Datenerkenntnissen für unterschiedliche Zielgruppen
- Automatisierung von Berichtsprozessen und Dashboards zur datengestützten Entscheidungsfindung
- Einsatz von Visualisierungen in Projekten für maschinelles Lernen und Artificial Intelligence