Ihr Warenkorb ist leer.
Classroom Lectures
Python-Grundlagen und Datenaufbereitung mit NumPy und pandas
Am Anfang eines Machine-Learning-Projekts steht der wichtigste und aufwendigste Teil der Arbeit: die Datenaufbereitung. Mit Python, NumPy und pandas lernen Sie den etablierten Technologie-Stack kennen, mit dem Sie diese Aufgabe effizient erledigen.
Enterprise
Professional
Python-Grundlagen und Datenaufbereitung mit NumPy und pandas
Enthalten im Classroom: Webinar-Serie: Einführung in Machine Learning mit Python
Überblick
NumPy ist eine numerische Bibliothek für Python und bildet die Grundlage vieler anderer Maschine-Learning-Module. Sie lernen den Unterschied zwischen NumPy-Arrays und herkömmlichen Python-Datenstrukturen kennen und erfahren, wie Sie (Vektor-)Funktionen auf NumPy-Arrays anwenden.
Heterogene, also auch nicht-numerische Datenstrukturen, bearbeitet man vorzugsweise mit pandas. Sie erhalten einen ersten Einblick in die Möglichkeiten von pandas, das in Sachen Datenverarbeitung kaum Wünsche offen lässt.
Kenntnisse einer höheren Programmiersprache werden vorausgesetzt. Elementare Python-Grundlagen sind hilfreich. Die Python-typischen Spracheigenschaften, auf die es beim Machine Learning besonders ankommt, werden zu Beginn kurz aufgefrischt.
Die Folien des Webinars sind aufgrund zahlreicher englischer Begriffe vollständig in englischer Sprache gehalten, um eine bessere Lesbarkeit zu erzeugen. Der Vortrag findet in deutscher Sprache statt.
Enthalten im Classroom:
Christian Heitzmann
Zert. Softwareentwickler, Technical Writer und Trainer | SimplexaCode AG
Christian Heitzmann ist Java-, Python- und Spring-zertifizierter Softwareentwickler mit einem CAS in Machine Learning und Inhaber der SimplexaCode AG in Luzern. Er entwickelt seit über 20 Jahren Software und gibt seit über 12 Jahren Unterricht und Kurse im Bereich der Java- und Python-Programmierung, Mathematik und Algorithmik. Als Technical Writer dokumentiert er Softwarearchitekturen für Unternehmen und schreibt regelmäßig Artikel für IT-Fachzeitschriften.