Python

Kursüberblick

Alle Inhalte der Python (KI) Weiterbildung im Überblick: Python Grundlagen, Programmierung & KI Einführung in Python als vielseitige Programmiersprache für Data Science, Machine Learning und künstliche Intelligenz Erlernen zentraler Python-Grundlagen wie Variablen, Datentypen, Operatoren und logischer Programmierstrukturen Verständnis von Bedingungen, Schleifen und Funktionen zur Entwicklung eigener Python-Programme Einordnung von Python und KI als wichtige Technologien für datengetriebene Anwendungen und moderne Automatisierungsprozesse Python Programmierung, Datenstrukturen & Automatisierung Arbeiten mit Listen, Tupeln, Dictionaries und Sets zur effizienten Verarbeitung unterschiedlicher Datentypen Entwicklung wiederverwendbarer Python-Funktionen für strukturierte und übersichtliche Programme Anwendung von Schleifen und bedingten Anweisungen zur Automatisierung wiederkehrender Aufgaben Aufbau grundlegender Programmierkompetenzen für professionelle Python-Projekte und datenbasierte Workflows Python, NumPy & numerische Datenverarbeitung Einführung in NumPy als zentrale Python-Bibliothek für mathematische Berechnungen und Datenanalysen Erstellung und Bearbeitung mehrdimensionaler Arrays zur Verarbeitung umfangreicher Datensätze Anwendung von Indexierung, Filtermethoden und mathematischen Operationen mit Python und NumPy Vorbereitung strukturierter Daten für weiterführende Analysen, Machine Learning und KI-Anwendungen Datenanalyse mit Python, Pandas & Data Science Professionelle Verarbeitung und Analyse strukturierter Daten mit Python und Pandas Arbeiten mit Series und DataFrames sowie Verknüpfung unterschiedlicher Datensätze durch Merge-, Join- und Concat-Operationen Bereinigung, Transformation und Organisation von Daten für aussagekräftige Python-Analysen Anwendung von Python zur Untersuchung von Zeitreihen, Datenmustern und komplexen Zusammenhängen Python Datenvisualisierung, Matplotlib & Seaborn Erstellung aussagekräftiger Diagramme und Visualisierungen mit Python, Matplotlib und Seaborn Durchführung explorativer Datenanalysen (EDA) zur Identifikation von Trends, Mustern und Auffälligkeiten Visualisierung statistischer Zusammenhänge zur verständlichen Kommunikation datenbasierter Erkenntnisse Entwicklung professioneller Data-Storytelling-Konzepte für Python-Analysen und Data-Science-Projekte Machine Learning mit Python & künstlicher Intelligenz Einführung in Machine Learning und die Entwicklung intelligenter Modelle mit Python und Scikit-Learn Anwendung überwachter Lernverfahren wie Regression, Klassifikation, Decision Trees und Random Forests Grundlagen neuronaler Netze, Deep Learning und moderner KI-Algorithmen für datenbasierte Prognosen Entwicklung und Bewertung erster Machine-Learning-Modelle anhand praxisnaher Python-Anwendungen Python, Unsupervised Learning & Datenmodellierung Anwendung unüberwachter Machine-Learning-Verfahren zur Erkennung verborgener Muster in Datensätzen Einsatz von Clustering-Algorithmen wie k-Means und DBSCAN zur s…

Nächste Termine

• 2026-10-25T23:00:00.000Z · 2027-02-06T23:00:00.000Z · Köln · Hybrid Learning
• 2026-10-25T23:00:00.000Z · 2027-05-22T22:00:00.000Z · Berlin · Hybrid Learning
• 2026-10-25T23:00:00.000Z · 2027-02-06T23:00:00.000Z · Hamburg · Hybrid Learning
• 2026-11-29T23:00:00.000Z · 2027-03-13T23:00:00.000Z · Köln · Hybrid Learning
• 2026-11-29T23:00:00.000Z · 2027-06-26T22:00:00.000Z · Köln · Hybrid Learning