on demand
3 weeks
English
Online
TU Berlin Certificate of Professional Education
online
LECTURERS
Dongrui Jiang
3.898,50 €
Anerkannt als Bildungszeit
PRACTICAL PYTHON APPLICATIONS
Dieser Kurs richtet sich an Personen, die über ein grundlegendes Verständnis von Python verfügen, aber Schwierigkeiten haben, dies mit ihrer Arbeit oder ihren Projekten zu verbinden. Der Kurs wurde konzipiert, um diese Lücke zu schließen und Teilnehmenden die Fähigkeiten zu vermitteln, Python bei der Lösung von praktischen Herausforderungen anzuwenden. Der Kurs geht über die Theorie hinaus und bietet einen tiefen Einblick in wesentliche Techniken zur Datenerfassung, -verarbeitung und -visualisierung. Teilnehmende lernen, wie mit Python Daten aus dem Internet ausgelesen, komplexe Datensätze – einschließlich Geodaten und Zeitreihen – verarbeitet und diese Daten auf sinnvolle Weise visualisiert werden.
Am Ende des Kurses werden die Teilnehmenden in der Lage sein, interaktive Dashboards zu erstellen, die nicht nur ihre Visualisierungen anzeigen, sondern auch eine Verbindung zu Datenbanken herstellen, um Daten in Echtzeit zu aktualisieren. Diese praktische Erfahrung ermöglicht den Lernenden, Rohdaten in verwertbare Informationen umzuwandeln, die als Grundlage für Entscheidungen dienen und Auswirkungen auf ihren Bereich haben können. Ganz gleich, ob Python effektiver in die eigene Arbeit integriert oder die Datenkompetenz erweitert werden soll, dieser Kurs bietet einen praktischen, schrittweisen Ansatz zur Erfassung, Verarbeitung und Visualisierung von Daten mit Python. Der Kurs schließt mit einem Abschlussprojekt ab, in dem die im Kurs erworbenen Fähigkeiten und Kenntnisse einfließen.
Learning goals
Gain practical experience for the following fields:- Web Scraping: develop the skills to automate data collection from websites using Python, enabling participants to efficiently gather and prepare data from various online sources for analysis.
- Data Processing: Learn how to manipulate and analyze different types of table-structured data, including geo-data and time-series, using Python packages like Pandas and GeoPandas. Also gain experience in performing basic database operations to manage and query data effectively.
- Data Visualization: Transform processed data into compelling visual representations. Learn how to use Python’s visualization libraries to craft graphs, charts, and plots that clearly communicate insights and trends.
- Build Interactive Dashboards: Integrate data processing and visualization skills to develop dynamic, interactive dashboards. These dashboards will not only present the learners’ visualizations but also connect to databases, allowing for real-time data updates and more interactive user experiences.
Content
1. Python Programming Review- Rapid review of fundamental Python concepts
- Hands-on exercises with advanced data types for real-world scenarios
- Introduction to web scraping: concepts, ethics, HTTP, and HTML basics
- Static scraping using Requests and BeautifulSoup
- Dynamic scraping using Selenium for interacting with dynamic pages
- Data storage and processing techniques for scraped data
- Hands-on practice with static and dynamic website scraping
- Handling time series data with Pandas
- Processing geo-referenced data using GeoPandas
- Pandas vs. Excel: Comparative analysis for practical applications
- Real-world data manipulation with Pandas
- Hands-on practice with time series and geo-data
- Overview of database types and structures
- Interacting with SQL databases using Python
- Working with NoSQL databases like MongoDB
- Hands-on practice integrating scraped data into databases
- Fundamentals of creating interactive dashboards
- Introduction to Docker for dashboard deployment and scalability
- Hands-on practice building and deploying a dashboard using Docker
Target group
This course is perfect for working professionals with some basic Python knowledge and want to apply their knowledge to real-world data challenges. Ideal for data analysts, business intelligence specialists, and professionals in fields like finance and marketing to gain hands-on experience in data collection, processing, and visualization.Prerequisites
Grundlegende Kenntnisse in Python (keine fortgeschrittenen Programmier- oder Data-Science-Erfahrungen erforderlich) und die Begeisterung für die Anwendung von Python in der Datenpraxis werden zum erfolgreichen Kursabschluss beitragen. Da es sich um einen Online-Kurs handelt werden ein Laptop oder PC, ein Headset mit Mikrofon und eine zuverlässige Internetverbindung benötigt, um effektiv an den virtuellen Präsenzveranstaltungen und den gemeinsamen Diskussionen teilnehmen zu können. Teilnehmenden werden ermutigt, ihre Herausforderungen aus der Praxis in den Kurs einzubringen, um ein dynamisches Lernumfeld zu schaffen.Dates
Course schedule:- online workshop in the afternoon/ evening
- Selfstudy 20-30 hours Stunden inklusive 6 Stunden offene Sprechstunde in Gruppe oder individuell
- Virtuelle Präsenzveranstaltung ganztags
- Selbststudium: Umfang 20-30 Stunden inklusive 10 Stunden offene Sprechstunde in Gruppe oder individuell
- Virtuelle Präsenzveranstaltung ganztags mit Präsentation der Abschlussarbeiten + Ergebnisse
Following the conclusion of the first two virtual classroom sessions, participants will undertake a period of a self-study of 20-30 hours, e.g. with homework and exercises. This independent study phase will be accompanied by the lecturer, up to the date of the final virtual classroom session. The lecturer will support participants for approx. 8 hours online, in the form of an open consultation, a small group workshop (or similar), by arrangement.
LECTURERS
Dongrui Jiang is a research associate at the Chair of Energy and Resource Management at TU Berlin, where her work focuses on energy system analysis and data-driven approaches in the energy sector. Since 2020, she has also served as a lecturer for the course Introduction to Python Programming at the TU Berlin Summer and Winter University. With over five years of hands-on experience using Python for data processing, she brings both practical expertise and academic insight to her teaching. Her training sessions are characterized by a strong foundation in Python syntax as well as advanced topics such as web scraping and data analysis—delivered with clarity and enthusiasm.
