Diese Weiterbildung vermittelt dir praxisnahes Wissen im Themenfeld Explorative Datenanalyse mit Python. Du lernst, typische Aufgaben sicher einzuordnen, passende Methoden und Werkzeuge anzuwenden und Ergebnisse nachvollziehbar aufzubereiten. Im Mittelpunkt stehen praxisnahe Anwendungen aus den Bereichen Python und Data Science, die dich in deiner Rolle als Wissenschaftler:in oder in vergleichbaren beruflichen Aufgaben unterstützen.Datenimport, -inspektion und erste Strukturanalyse*Einlesen von Datensätzen aus CSV, Excel, JSON und Datenbanken mit pandas*Datentypen, Dimensionen und erste statistische Kennwerte systematisch prüfen*Fehlende Werte, Duplikate und inkonsistente Einträge identifizieren und behandelnStatistische Verteilungsanalysen und Zusammenhangsmaße*Univariate Analysen: Histogramme, Boxplots und Dichteschätzungen interpretieren*Bivariate Analysen: Korrelationen, Streudiagramme und Kontingenztabellen*Umgang mit schiefen Verteilungen, Ausreißern und transformierten VariablenVisualisierungsstrategien für explorative Analysen*Statische Visualisierungen mit matplotlib und seaborn zielgerichtet einsetzen*Interaktive Explorations-Dashboards mit plotly und ipywidgets erstellen*Grafische Kommunikation von Analysebefunden für wissenschaftliche BerichteMuster- und Segmenterkennung in wissenschaftlichen Datensätzen*Dimensionsreduktion mit PCA zur Datenerkundung einsetzen*Clusteranalysen als explorative Methode zur Gruppenentdeckung*Dokumentation von EDA-Ergebnissen in reproduzierbaren Jupyter-NotebooksDiese Weiterbildung unterstützt dich dabei, typische Aufgaben im Themenfeld Explorative Datenanalyse mit Python sicherer und effizienter zu bewältigen. Du verbindest fachliches Wissen mit praxisnahen Methoden und Werkzeugen aus den Bereichen Python und Data Science. So stärkst du deine Handlungssicherheit für deine Rolle als Wissenschaftler:in und kannst die Inhalte direkt in deinem Berufsalltag anwenden.