Datenanalyse und Machine Learning mit Python - Intensivseminar mit durchgängiger Fallstudie in Köln

• Einführung in den End-to-End-Workflow
  • Überblick über Data Analysis und Machine Learning
  • Struktur und Zielsetzung der Fallstudie
  • Arbeiten mit einem durchgängigen Datensatz über alle Seminarphasen

• Grundlagen mit pandas
  • Einlesen, Strukturieren und Untersuchen von Daten
  • Arbeiten mit DataFrames und Series
  • Filtern, Auswählen, Gruppieren und Aggregieren

• Data Cleaning und Datenvorbereitung
  • Umgang mit fehlenden Werten
  • Bereinigung inkonsistenter oder fehlerhafter Daten
  • Datentypen, Umformungen und Vorbereitung für Analyse und Modellierung

• Exploratory Data Analysis (EDA)
  • Statistische Grundauswertung
  • Erkennen von Verteilungen, Ausreißern und Mustern
  • Korrelationsanalyse und Untersuchung von Zusammenhängen

• Visualisierung von Daten
  • Erstellung aussagekräftiger Diagramme mit seaborn und plotly
  • Visual Exploration zur Mustererkennung
  • Unterstützung der Feature-Entwicklung durch visuelle Analyse

• Feature Engineering
  • Ableitung und Transformation relevanter Merkmale
  • Nutzung fachlicher und datengetriebener Muster
  • Vorbereitung geeigneter Features für Klassifikationsmodelle

• Grundlagen des überwachten Machine Learnings
  • Einführung in Supervised Learning
  • Train-Test-Split und saubere Trennung von Trainings- und Testdaten
  • Vermeidung typischer Fehler im Modellierungsprozess

• Klassifikationsmodelle mit scikit-learn
  • Überblick über verschiedene Classification Models
  • Training und Anwendung erster Modelle
  • Vergleich von Modellverhalten und Ergebnissen

• Modellbewertung und Optimierung
  • Einsatz unterschiedlicher Evaluationsmetriken
  • Feature Selection
  • Hyperparameter Tuning zur Verbesserung der Modellleistung

• Praxisorientierte Zusammenführung
  • Aufbau einer vollständigen Pipeline von der Analyse bis zum Modell
  • Interpretation der Ergebnisse
  • Übertragung auf eigene Anwendungsfälle aus dem Berufsalltag

LernzieleNach dem Seminar sind Sie in der Lage, einen kompletten Analyse- und Machine-Learning-Workflow mit Python strukturiert umzusetzen. Sie können Datensätze mit pandas einlesen, bereinigen, transformieren und explorativ analysieren, aussagekräftige Visualisierungen erstellen sowie Merkmale gezielt für Modellierungsaufgaben aufbereiten.Darüber hinaus verstehen Sie die Grundlagen des überwachten Machine Learnings und können Klassifikationsmodelle mit scikit-learn trainieren, bewerten und optimieren. Sie beherrschen zentrale Verfahren wie Train-Test-Split, Feature Selection, den Einsatz geeigneter Metriken und Hyperparameter Tuning.ZielgruppenDas Seminar richtet sich an Python-Anwender, Data Analysts, angehende Data Scientists, Machine-Learning-Einsteiger, Fachanwender mit analytischem Schwerpunkt sowie Entwickler, die den praktischen Weg von der Datenanalyse bis zur Erstellung erster Machine-Learning-Modelle kennenlernen möchten.Angesprochen sind insbesondere Personen, die Daten systematisch auswerten, Muster erkennen und datengetriebene Entscheidungen vorbereiten oder Machine-Learning-Verfahren für Klassifikationsaufgaben einsetzen möchten.TeilnahmevoraussetzungenSie benötigen grundlegende Python-Kenntnisse, insbesondere einen sicheren Umgang mit der grundlegenden Syntax.Erfahrungen mit Datenanalyse, pandas oder Machine Learning sind hilfreich, aber nicht zwingend erforderlich.Sie verfügen über ein grundlegendes Interesse an Datenanalyse, Statistik und datengetriebenen Fragestellungen.Das Seminar ist als Intensivseminar für Einsteiger bis leicht Fortgeschrittene konzipiert.