Grundlagen der Datenanalyse
  • Verstehen der Rolle der Datenanalyse in datenwissenschaftlichen Arbeitsabläufen.
  • Erlernen der Bedeutung von Python für die Datenmanipulation und -analyse.
  • Erkunden der Verantwortlichkeiten eines Datenwissenschaftlers bei der Analyse komplexer Datensätze.
Datenanalyseverfahren Einführung
  • Führen Sie eine explorative Datenanalyse (EDA) mit Python-Bibliotheken wie Pandas und Numpy durch.
  • Bereinigen und verarbeiten Sie Rohdaten, um aussagekräftige Erkenntnisse zu gewinnen.
  • Visualisieren Sie Daten mit Bibliotheken wie Matplotlib und Seaborn.
Fortgeschrittene Datenmanipulation
  • Extrahieren und analysieren Sie Daten mit SQL in Kombination mit Python.
  • Arbeiten Sie mit großen Datensätzen effizient mit fortgeschrittenen Techniken zur Datenverarbeitung.
  • Wenden Sie die integrierten Funktionen von Python an, um den Analyseprozess zu optimieren.
Automatisierung der Analyse mit Python
  • Verwenden Sie Python, um sich wiederholende Datenanalyseaufgaben zu automatisieren.
  • Erkunden Sie Skripttechniken, um Arbeitsabläufe zu optimieren.
  • Erstellen Sie wiederverwendbare Python-Skripte für skalierbare Datenanalyselösungen.
Projekte und Präsentationen aus der Praxis
  • Lösen Sie praktische Datenprobleme mit Python und Datensätzen aus der Praxis.
  • Erstellen Sie detaillierte Berichte und Visualisierungen, die auf die geschäftlichen Anforderungen zugeschnitten sind.
  • Präsentieren Sie den Stakeholdern Erkenntnisse und betonen Sie den Wert der Datenwissenschaft.

Das Kursmodul "Automatisierung der Analyse mit Python" zeigt, wie Python-Skripte wiederverwendbar für skalierbare Analyse-Lösungen entwickelt werden können.