Datenanalyse mit PythonPYTHON05MTMaster ClassMT-PYTHON051.0<ul>
<li>Datenaufbereitung</li><li>Datentransformation</li><li>Qualitätsauswertungen</li><li>Analyse</li><li>Datenanalyse-Anwendungen</li><li>Einführung in Machine Learning und AI</li></ul><p>Kurs <span class="cms-link-marked"><a class="fl-href-prod" href="/swisscom/course/masterclass-python03"><svg role="img" aria-hidden="true" focusable="false" data-nosnippet class="cms-linkmark"><use xlink:href="/css/img/icnset-linkmarks.svg#linkmark"></use></svg>Python Vertiefung (Associate Training) <span class="fl-prod-pcode">(PYTHON03)</span></a></span> oder entsprechende Kenntnisse</p><p>Datenanalysten, Business Analysten, Data Engineers, BI Spezialisten, Datenbankspezialitsten, Excel Analysten</p><ul>
<li>Grundlagen von Numpy
<ul>
<li>Was kann dieses Package</li><li>Welche Datenanalysen sind damit möglich</li></ul></li><li>Einführung in Pandas
<ul>
<li>Pandas Datenstrukturen</li><li>Funktionalität</li><li>Welche Datenanalysen sind mit Pandas möglich und sinnvoll</li></ul></li><li>Daten laden und speichern
<ul>
<li>Praktischer Umgang mit den wichtigsten Dateiformaten</li><li>Effizienz, Performance und Zuverlässigkeit</li></ul></li><li>Daten vorbereiten und bereinigen
<ul>
<li>Der Umgang mit fehlenden Daten</li><li>Datentransformation</li></ul></li><li>Daten verknüpfen, kombinieren und umformen</li><li>Visualisierung</li><li>Aggregation und Gruppierung von Daten</li><li>Zeitreihen</li><li>Pandas für Fortgeschrittene</li><li>Modellierungs-Bibliotheken</li><li>Beispiele aus der Datenanalyse</li><li>Übersicht lernender Modelle mit scikit</li></ul>- Datenaufbereitung
- Datentransformation
- Qualitätsauswertungen
- Analyse
- Datenanalyse-Anwendungen
- Einführung in Machine Learning und AIKurs Python Vertiefung (Associate Training) (PYTHON03) oder entsprechende KenntnisseDatenanalysten, Business Analysten, Data Engineers, BI Spezialisten, Datenbankspezialitsten, Excel Analysten- Grundlagen von Numpy
- Was kann dieses Package
- Welche Datenanalysen sind damit möglich
- Einführung in Pandas
- Pandas Datenstrukturen
- Funktionalität
- Welche Datenanalysen sind mit Pandas möglich und sinnvoll
- Daten laden und speichern
- Praktischer Umgang mit den wichtigsten Dateiformaten
- Effizienz, Performance und Zuverlässigkeit
- Daten vorbereiten und bereinigen
- Der Umgang mit fehlenden Daten
- Datentransformation
- Daten verknüpfen, kombinieren und umformen
- Visualisierung
- Aggregation und Gruppierung von Daten
- Zeitreihen
- Pandas für Fortgeschrittene
- Modellierungs-Bibliotheken
- Beispiele aus der Datenanalyse
- Übersicht lernender Modelle mit scikit3 Tage3290.003290.003290.0011410.002550.003290.003290.002260.00