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.

Lernziele

Sammeln Sie praktische Erfahrungen in den folgenden Bereichen:

Web Scraping: die Fähigkeit entwickeln, die Datenerfassung von Websites mit Python zu automatisieren, so dass Daten aus verschiedenen Online-Quellen effizient gesammelt und für die Analyse aufbereiten werden können

Datenverarbeitung: Lernen, wie verschiedene Arten von tabellenstrukturierten Daten, einschließlich Geodaten und Zeitreihen, mit Python-Paketen wie Pandas und GeoPandas manipuliert und analysiert werden können. Sammeln von Erfahrungen in der Durchführung grundlegender Datenbankoperationen, um Daten effektiv zu verwalten und abzufragen

Datenvisualisierung: Verwandlung verarbeiteter Daten in überzeugende visuelle Darstellungen. Lernen, wie mit den Visualisierungsbibliotheken von Python Grafiken, Diagramme und Darstellungen erstellt werden können, um Erkenntnisse und Trends zu verdeutlichen

Interaktive Dashboards erstellen: Integration der Datenverarbeitungs- und Visualisierungskenntnisse, um dynamische, interaktive Dashboards zu erstellen. Diese Dashboards präsentieren nicht nur die Visualisierungen der Lernenden, sondern stellen auch eine Verbindung zu Datenbanken her und ermöglichen dadurch Datenaktualisierungen in Echtzeit sowie eine interaktive Benutzererfahrung

Inhalt

1. Python-Programmierung Rückblick

Kurzer Überblick über die grundlegenden Python-Konzepte
Praktische Übungen mit fortgeschrittenen Datentypen für praxisnahe Szenarien

2. Web Scraping

Einführung in Web Scraping: Konzepte, Ethik, HTTP- und HTML-Grundlagen
Statisches Scraping mit Requests und BeautifulSoup
Dynamisches Scraping mit Selenium für die Interaktion mit dynamischen Seiten
Datenspeicherung und Verarbeitungstechniken für gescrapte Daten
Praktische Übungen mit statischem und dynamischem Website-Scraping

3. Datenverarbeitung

Verarbeitung von Zeitreihendaten mit Pandas
Verarbeitung von georeferenzierten Daten mit GeoPandas
Pandas vs. Excel: Vergleichende Analyse für praktische Anwendungen
Datenmanipulation in der Praxis mit Pandas
Praktische Übungen mit Zeitreihen und Geodaten

4. Integration von Datenbanken

Überblick über Datenbanktypen und -strukturen
Interaktion mit SQL-Datenbanken mit Python
Arbeiten mit NoSQL-Datenbanken wie MongoDB
Praktische Übungen zur Integration von gescrapten Daten in Datenbanken

5. Erstellung interaktiver Dashboards

Grundlagen der Erstellung interaktiver Dashboards
Einführung in Docker für die Bereitstellung und Skalierbarkeit von Dashboards
Praktische Übungen zum Erstellen und Bereitstellen eines Dashboards mit Docker

Zielgruppe

Ideal für Berufstätige mit grundlegenden Python-Kenntnissen, die ihr Wissen auf reale Herausforderungen im Bereich der Datenverarbeitung anwenden möchten. Der Kurs geeignet sich für Datenanalysten, Business-Intelligence-Spezialisten und Fachleute in Bereichen wie Finanzen und Marketing, um praktische Erfahrung in der Datenerfassung, -verarbeitung und -visualisierung zu erhalten.

Teilnahmevoraussetzungen

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.

Termine

Ablauf des Kurses:

Virtuelle Präsenzveranstaltung am 14.02.2025 von 15:00 - 21:00 Uhr
Selbststudium: 15.02.2025 - 21.02.2025 (Umfang 20-30 Stunden) inklusive 6 Stunden offene Sprechstunde in Gruppe oder individuell
Virtuelle Präsenzveranstaltung am 22.02.2025 von 09:00 - 17:00 Uhr
Selbststudium: 23.02.2025 – 06.03.2025 (Umfang 20-30 Stunden) inklusive 10 Stunden offene Sprechstunde in Gruppe oder individuell
Virtuelle Präsenzveranstaltung am 07.03.2025 von 09:00 - 17:00 Uhr mit Präsentation der Abschlussarbeiten + Ergebnisse

Nach den ersten beiden virtuellen Präsenzterminen beginnt jeweils ein Selbststudium (20-30 Stunden mit z.B. Übungsaufgaben), welches bis zum nächsten Termin für ca. 8 Stunden online, im Rahmen einer offenen Sprechstunde, einem Kleingruppen-Workshop o. Ä. nach Absprache begleitet wird.

LEHRENDE*R

Dongrui Jiang ist wissenschaftliche Mitarbeiterin am Lehrstuhl für Energie- und Ressourcenmanagement (ER) an der TU Berlin. Ihre Forschung konzentriert sich in erster Linie auf die Analyse von Energiesystemen mit dem Schwerpunkt der Datenanalyse im Energiebereich. Seit 2020 ist sie auch als Dozentin für den Kurs "Introduction to Python Programming" bei der TU Berlin Summer and Winter University tätig. Mit mehr als 5 Jahren Erfahrung in der Nutzung von Python für die Datenverarbeitung bringt sie umfangreiches praktisches Wissen und Fachkenntnisse in diesem Bereich mit. Mit Leidenschaft führt sie Schulungen zu grundlegenden Python-Grammatiken als auch zu fortgeschrittenen Themen wie Web Scraping und Datenanalyse durch.

agsdi-download

PDF Download

Sie möchten sich für diesen Kurs anmelden?

20 vorrätig

Oder haben Sie andere Fragen?

KONTAKT