Datenanalyse mit Python («PYTH04»)

• Datenaufbereitung
• Datentransformation
• Qualitätsauswertungen
• Analyse 
• Datenanalyse-Anwendungen

1 Grundlagen von Numpy

• Was kann dieses Package?
• Welche Datenanalysen sind damit möglich?

2 Einführung in Pandas

• Pandas-Datenstrukturen
• Funktionalität
• Welche Datenanalysen sind mit Pandas möglich und sinnvoll

3 Daten laden und speichern

• Praktischer Umgang mit den wichtigsten Dateiformaten
• Excel-Einbindung mit Pandas 
• SQL-Abfragen mit Pandas
• API-Abfragen mit Pandas
• Python-Anbindung an gängige Cloud-Lösungen (Google, Microsoft, AWS)

4 Daten vorbereiten und bereinigen

• Der Umgang mit fehlenden Daten
• Datentransformation
• Daten verknüpfen, kombinieren und umformen
• Aggregation und Gruppierung von Daten
• Umgang mit Zeitstempeln und Kalenderdaten 
• Effizienz, Performance und Zuverlässigkeit 

5 Visualisierung

• Grundlagen der Visulaisierung mit Matplotlib
• Publikationsfähige Grafiken mit Seaborn
• Interaktive Web-Visualisierungen mit Plotly

6 Zeitreihenanalyse

• Einführung in die Methodik
• Das Statsmodels-Package
• Automatisierte Zeitreihen-Modellierung

7 Lernende Modelle

• Einführung in die Methodik
• Übersicht lernender Modelle mit scikit
• Daten für Machine Learning aufbereiten
• Klassifikation und Regression von Daten
• Ergebnisse interpretieren und darstellen

8 Einführung in Geodaten-Analyse

• Einführung in die Methodik
• Geopandas und Shapely

Zu jedem Punkt: Beispiele zu Python-basierter Datenanalyse an realen Fällen

• Workshop mit Übungen und praktischen Anwendungen
• Teilnehmende vollziehen die Inhalte am eigenen Laptop nach
• Vor Kursbeginn erhalten die Teilnehmenden ausführliche Informationen zur Vorbereitung und Installation relevanter Open-Source-Python-Software

Dieser Kurs richtet sich an Datenanalysten, Business Analysten, Data Engineers, BI-Spezialisten sowie Datenbank-Spezialitst:innen.

Grundlegende Kenntnisse der Datenanalyse sowie erweiterte Python-Kenntnisse gemäss des folgenden Kurses: