Veranstaltungsdetails

Datenanalyse in Python mit Scikit-Learn

Inhalt

Die Programmiersprache Python bietet zahlreiche Tools zur Datenanalyse. Neben der Umsetzung klassischer statistischer (Test-)Verfahren mit dem Modul SciPy lassen sich insbesondere Verfahren aus dem Bereich des maschinellen Lernens gut mit Python realisieren.

Unser Datenanalyse-Workshop zu Python gibt einen ersten kurzen Einblick in die Umsetzung solcher Verfahren mit Python. Im Mittelpunkt stehen Verfahren aus dem Bereich des „Supervised Machine Learning“. An praktischen und gut nachvollziehbaren Beispielen erarbeiten wir die Umsetzung und Anwendung solcher Modelle mit dem Modul Scikit-Learn. Dabei lernen die Teilnehmenden wichtige Grundkonzepte und Modelle wie lineare und logistische Regressionen oder Decision Trees kennen. Beispiele zur Umsetzung statistischer Tests mit SciPy runden den Workshop ab, so dass der weiteren – auch eigenständigen – Einarbeitung in Datenanalysen mit Python nach dem Workshop nichts mehr im Wege steht.

Der Workshop setzt Vorkenntnisse in der Bedienung von Python und dem Modul Pandas voraus, sodass ein vorheriger Besuch des Workshops „Einführung in Python“ für Einsteiger empfohlen, aber nicht vorausgesetzt wird. Die besprochenen Analyseverfahren können im Workshop nicht im Detail hergeleitet werden. Grundlegende Kenntnisse der Verfahren aus Statistik-Grundkursen sollten daher mitgebracht werden.

Zielgruppe

Studierende und Promovierende, die Python für die eigene empirische Forschung einsetzen möchten. Programierkenntnisse werden nicht vorausgesetzt – der Workshop soll einen ersten Einstieg in die Welt des Programmierens bieten.

Wichtiger Hinweis

Studierende (1-Fach-Bachelor/Master) und Promovierende der Fakultät für Wirtschaftswissenschaft wenden sich für Angebote Ihrer Fakultät bitte an Ihre Studiengangs- bzw. Promotionsprogrammbetreuung.

Leitung

Sebastian Gerhartz

Termine

  • Mittwoch, 27.09.2023
    13:00 bis 17:00 Uhr

  • CIP-Pool GD E2/208

Anmeldung

Bitte melden Sie sich in eCampus für die Veranstaltung an.