EINFÜHRUNG IN PYTHON FÜR DIE DATA SCIENCE / INTRODUCTION TO PYTHON FOR DATA SCIENCE


Termin / Date

11./12.05.2020

Zeit / Time

9.00 - 17.00 Uhr / 9:00 a.m. - 5:00 p.m.

Referent / Lecturer

Andreas Wygrabek, Data Science Achitect, Kassel

Teilnehmerzahl / Number of Participants

7 bis 14 / 7 to 14

Ort / Location

Albert-Einstein-Straße 22, Raum 201 (PC-Pool)

Kurssprache / Language

Deutsch, Englisch / German, English

Die Kurssprache ist abhängig vom Bedarf der Teilnehmenden. / The course language depends on the participants´ needs.

Zielgruppe / Target Group

Promovierende und PostDocs / doctoral candidates and postdocs

Dieser Kurs richtet sich insbesondere an Personen, die noch keine Erfahrung in der Programmiersprache Python gemacht haben, diese aber in Zukunft im Bereich Datenanalyse einsetzen wollen.

The training addresses people who want to take their first steps in Python to use the language for data analysis. The course is an introductory event. No prior knowledge is required.

Teilnahmegebühr* / Participation Fee*

120,- €

Kursbeschreibung / Course Description

Mit dem Fokus auf die 3 Bereiche Programmierung, Datenmanagement und Machine Learning vermittelt dieser Kurs die Grundlagen von Python im Kontext von Data-Science Anwendungen.
Von der Installation, den wesentlichen Objekttypen und Programmiergrundlagen über das Anlegen und Verwalten von Projekten erhalten die Teilnehmenden in diesem Training zunächst alle Voraussetzungen, um erste Anwendungen in Python zu schreiben. In praxisnahen Beispielen und mit Hilfe von Beispieldaten werden anschließend Daten eingelesen und analysefertig aufbereitet. Hier erlernen die Teilnehmer*innen die wichtigsten Techniken im Bereich Datenmanagement.
Der abschließende Programmpunkt des Kurses ist die Analyse und Prognose von Daten mit Machine Learning Verfahren. Zunächst wird das Themenfeld Machine Learning theoretisch eingeleitet und anschließend in einem fiktiven Szenario auf der Grundlage eines Musterdatensatzes direkt in Python umgesetzt. Das Analyseszenario löst ein Klassifikationsproblem.
Besonderes Augenmerk richtet der Kurs auf die populären Python-Bibliotheken numpy und Pandas zur Datenhaltung und Datenmanagement sowie scikit-learn zur Analyse von Daten mit Machine Learning Verfahren.

Focusing on the 3 areas of programming, data management and machine learning, this course teaches the basics of Python in the context of data science applications.
From the installation, the essential object types and the programming basics to the creation and management of projects, the participants in this training first get all the prerequisites to write applications in Python. In practical examples and with the help of example data, data is read in and processed to be ready for analysis. Here, participants learn the most important techniques in the field of data management. The final program item of the course is the analysis and forecasting of data using machine learning techniques. First, the topic machine learning is theoretically introduced and then applied directly by the use of Python in two fictitious scenarios based on a sample data set. The analysis scenarios solve a classification and a regression problem.
The course focuses on the popular Python libraries Numpy and Pandas for data storage as well as scikit-learn for analyzing data using machine learning techniques.

Lernziele / Learning Objectives

▪ Kennenlernen der Grundkonzepte und der Philosophie von Python
▪ Die Python-Syntax verstehen und anwenden
▪ Datenmanagement in Python
▪ Kurzeinführung in Machine Learning Prozesse
▪ Erste Modell- und Prognoseerstellung mit Python umsetzen

▪ Overview of data analytics with python
▪ The concept and philosophy of Python
▪ Python data structures and their properties
▪ Functions, control structures and classes in Python
▪ Data management with pandas
▪ Introduction of machine learning processes
▪ Model and forecasting with Python and the Scikit-Learn library

Angaben zum Referenten / Information about the Lecturer

Andreas Wygrabek ist freiberuflicher Data-Science Consultant und ein erfahrener Trainer im Bereich der Programmierung und der statistischen Datenanalyse. Sein Karrierehintergrund umfasst eine langjährige Tätigkeit in einem der führenden deutschsprachigen Data-Science Beratungsunternehmen. Durch seine Tätigkeit bei der Fraunhofer-Gesellschaft am Standort Kassel verfügt er außerdem über eine Nähe zum akademischen Feld.
Mit seinem Projekt data-science-architect bietet Andreas Wygrabek Data Science Dienstleistungen an - sowohl für die freie Wirtschaft als auch für den universitäre Einrichtungen. In seinen Projekten werden unter der Verwendung von modernen Algorithmen und Visualisierungstechniken Information aus Daten extrahiert. Die Werkzeuge in seinen Projekten und Trainings umfassen die 2 populärsten freien Programmiersprachen zur statistischen Datenanalyse - R und Python.
Website: www.data-science-architect.de

Software-Anforderungen / Software Requirements

▪ Python (Anaconda-Distribution) in aktueller Version (die Entwicklungsumgebungen ‘Jupyter Notebooks’ und ‘Spyder’ sollten eingerichtet sein; Python sollte in den Umgebungsvariablen eingetragen sein – dies lässt sich schon bei der Installation durchführen)
Download unter: https://www.anaconda.com/distribution/
▪ PyCharm in aktueller Version (Lizenzkostenfreie Community-Version)
Download unter: https://www.jetbrains.com/pycharm/download/#section=windows

▪ Python (Anaconda-Distribution) in current Version (the development environments 'Jupyter Notebooks' and 'Spyder' should be set up; Python should be entered in the environment variables of the operating system – this can already be done during the installation)
Download: https://www.anaconda.com/distribution/
• PyCharm in current version (Community-Version)
Download: https://www.jetbrains.com/pycharm/download/#section=windows


*Hinweise zur Teilnahmegebühr & Teilnahmebedingungen / *Conditions for Participation


Mitglieder der Graduiertenakademie können die Teilnahmegebühr über das von der Graduiertenakademie zur Verfügung gestellte Mitglieds-Budget finanzieren. Falls Teilnahmegebühren nicht von der Universität übernommen werden, können Sie diese ggf. selbst als Werbungskosten oder Betriebsausgaben steuerlich absetzen.
Sobald die Graduiertenakademie die Anmeldung bestätigt, gilt sie als verbindlich. Es gelten die Teilnahmebedingungen der Graduiertenakademie.

Members of the Graduate Academy can use their virtual member budget to cover the course fees. The registration for the workshop is binding. Our conditions for participation apply.