Home > Kursübersicht > Python Machine Learning Kurs

Python - Machine Learning und Visualisierung

Python Kurs, Machine Learning Training, Maschinelles Lernen Schulung
einmalig 1099(inkl. MwSt.: 1307,81)
2 Tage oder 4x halbtags
Python PDF
Level Fortgeschritten
VC 17.Dez Berlin 19.Dez VC 19.Dez Burghausen 10.Jan VC 16.Jan VC 21.Jan München 30.Jan VC 30.Jan Berlin 13.Feb VC 13.Feb VC 25.Feb Burghausen 27.Feb VC 27.Feb Wien 13.Mrz VC 13.Mrz VC 25.Mrz München 27.Mrz VC 27.Mrz VC 03.Apr

Python Online Schulung

Python wird in vielen verschiedenen Bereichen eingesetzt, darunter auch für die Datenanalyse und Machine Learning. Die Kombination aus einer klaren Python Syntax und umfangreiche Bibliotheken macht Python zu einer beliebten Wahl für maschinelles Lernen.

Python Kursinhalt

In diesem Python Training erhalten Anfänger einen schnellen Einstieg in die Möglichkeiten der Datenanalyse, -visualisierung, maschinelles Lernen und künstlichen Intelligenz mit Python. In dieser Machine Learning Weiterbildung erfahren, wie Sie mit relativ geringem Aufwand Python lernen und echten Mehrwert aus Ihren Daten generieren können.

Dieser Python Workshop wird mit Python Version 3.11.x, PyCharm, TensorFlow, SciPy, Pandas, Matplotlib und Keras durchgeführt.

Viel vor, aber wenig Zeit und keine Vorkenntnisse? Werden Sie mit der Power-Woche: Python in 5 Tagen zum Profi, lernen Sie die Python Programmierung von der Pike auf und sparen Sie 100€ gegenüber dem regulären Preis.

Zielgruppe Python Seminar

Diese Python Machine Learning Schulung ist für Software-Entwickler, Datenwissenschaftschaftler, -analysten und Ingenieure mit Grundkenntnissen in Python geeignet, die eine solide Grundlage für den Einstieg in die Welt der Künstlichen Intelligenz suchen.

Kundenbewertungen

"Es war meine erste Online Schulung und ich kann sie uneingeschränkt weiterempfehlen."

Datenanalyse Kurs 2022

"Besonders gut: Der Trainer."

Datawarehouse Online Seminar 2022

5/ 5 stars
Python Online Kurse
Rated 5/5 based on 12 customer reviews

Agenda Python Training

  • IPython Grundlagen
    Jupyter Notebooks
    IPython mit PyCharm
    Installation und Funktionweise
    Shortcuts
  • Berechnungen mit Numpy
    Arrays
    Datentypen
    Funktionen
    Matrizen
    Indizes
    Einfache Analyse von Arrays/Matrizen
    Vektorisierung
    Boolean Masken
    Performance
  • Datenanalyse mit Pandas
    Series und DataFrame
    Dateiformate (XML, CSV, JSON, SQL, ...)
    Daten filtern
    Sortierung und Gruppierung
    Indizierung und Vektorisierung
    Daten in verschiedene Formate exportieren
  • Fehlerbehebung mit Pandas
    Fehler in Datensets entfernen
    Leere Werte, Prozent bei Kommazahlen, ...
    Datentypen anpassen
    Mit Funktionen automatisieren
  • Daten darstellen mit Matplotlib
    Datenaufbereitung und -bereinigung
    Diagramme und Datenvisualisierung
    Linien-, Balken- und Tortendiagramm
    Histogramm und Streudiagramm
    Export in PNG
  • Python Grundlagen für Machine Learning
    Grundkonzepte im Maschinellen Lernen
    Was ist ein Modell?
    Datensets verarbeiten und aufteilen
    Daten standardisieren
    Verschiedene Algorithmen mit SciKit-Learn
    Klassifizierung von Daten mit k-nearest neighbors
    Naive Bayes Algorithmus
    Logistische Regression
    Methode Support Vector Machines (SVM)
    Eigenes Modell mit Neuralem Netzwerk
    Tensorflow und Keras
    Modell speichern
  • Lineare Regression in Python
    Zukunftswerte vorhersagen
    Daten vorbereiten
    SciKit-Learn Modell
    Eigenes Modell trainieren
  • Bildklassifizierung mit Python
    Bilder in zwei Kategorien aufteilen
    Batches
    Modell definieren
    Mithilfe des Modells neue Bilder klassifizieren
  • KI und Reinforcement Learning
    Umgebung, Prozess, Agent
    KI mit Python (Gymnasium Hittfeld)
    Stable Baselines 3
    Testumgebung CartPole-v1
    Eigenes Modell trainieren
    Spaces
    Eigene Umgebung erstellen
    Modell auf eigener Umgebung trainieren
Support Chat