14.02.2025 โ 07.03.2025
3 Wochen
Englisch
Online
TU Berlin Certificate of Professional Education
online
LEHRENDE*R
Dongrui Jiang
3.898,50 โฌ
Anerkannt als Bildungszeit
PRACTICAL PYTHON APPLICATIONS
Dieser Kurs richtet sich an Personen, die รผber ein grundlegendes Verstรคndnis von Python verfรผgen, aber Schwierigkeiten haben, dies mit ihrer Arbeit oder ihren Projekten zu verbinden. Der Kurs wurde konzipiert, um diese Lรผcke zu schlieรen und Teilnehmenden die Fรคhigkeiten zu vermitteln, Python bei der Lรถsung von praktischen Herausforderungen anzuwenden. Der Kurs geht รผber die Theorie hinaus und bietet einen tiefen Einblick in wesentliche Techniken zur Datenerfassung, -verarbeitung und -visualisierung. Teilnehmende lernen, wie mit Python Daten aus dem Internet ausgelesen, komplexe Datensรคtze – einschlieรlich Geodaten und Zeitreihen – verarbeitet und diese Daten auf sinnvolle Weise visualisiert werden.
Am Ende des Kurses werden die Teilnehmenden in der Lage sein, interaktive Dashboards zu erstellen, die nicht nur ihre Visualisierungen anzeigen, sondern auch eine Verbindung zu Datenbanken herstellen, um Daten in Echtzeit zu aktualisieren. Diese praktische Erfahrung ermรถglicht den Lernenden, Rohdaten in verwertbare Informationen umzuwandeln, die als Grundlage fรผr Entscheidungen dienen und Auswirkungen auf ihren Bereich haben kรถnnen. Ganz gleich, ob Python effektiver in die eigene Arbeit integriert oder die Datenkompetenz erweitert werden soll, dieser Kurs bietet einen praktischen, schrittweisen Ansatz zur Erfassung, Verarbeitung und Visualisierung von Daten mit Python. Der Kurs schlieรt mit einem Abschlussprojekt ab, in dem die im Kurs erworbenen Fรคhigkeiten und Kenntnisse einflieรen.
Lernziele
Sammeln Sie praktische Erfahrungen in den folgenden Bereichen:- Web Scraping: die Fรคhigkeit entwickeln, die Datenerfassung von Websites mit Python zu automatisieren, so dass Daten aus verschiedenen Online-Quellen effizient gesammelt und fรผr die Analyse aufbereiten werden kรถnnen
- Datenverarbeitung: Lernen, wie verschiedene Arten von tabellenstrukturierten Daten, einschlieรlich Geodaten und Zeitreihen, mit Python-Paketen wie Pandas und GeoPandas manipuliert und analysiert werden kรถnnen. Sammeln von Erfahrungen in der Durchfรผhrung grundlegender Datenbankoperationen, um Daten effektiv zu verwalten und abzufragen
- Datenvisualisierung: Verwandlung verarbeiteter Daten in รผberzeugende visuelle Darstellungen. Lernen, wie mit den Visualisierungsbibliotheken von Python Grafiken, Diagramme und Darstellungen erstellt werden kรถnnen, um Erkenntnisse und Trends zu verdeutlichen
- Interaktive Dashboards erstellen: Integration der Datenverarbeitungs- und Visualisierungskenntnisse, um dynamische, interaktive Dashboards zu erstellen. Diese Dashboards prรคsentieren nicht nur die Visualisierungen der Lernenden, sondern stellen auch eine Verbindung zu Datenbanken her und ermรถglichen dadurch Datenaktualisierungen in Echtzeit sowie eine interaktive Benutzererfahrung
Inhalt
1. Python-Programmierung Rรผckblick- Kurzer รberblick รผber die grundlegenden Python-Konzepte
- Praktische รbungen mit fortgeschrittenen Datentypen fรผr praxisnahe Szenarien
- Einfรผhrung in Web Scraping: Konzepte, Ethik, HTTP- und HTML-Grundlagen
- Statisches Scraping mit Requests und BeautifulSoup
- Dynamisches Scraping mit Selenium fรผr die Interaktion mit dynamischen Seiten
- Datenspeicherung und Verarbeitungstechniken fรผr gescrapte Daten
- Praktische รbungen mit statischem und dynamischem Website-Scraping
- Verarbeitung von Zeitreihendaten mit Pandas
- Verarbeitung von georeferenzierten Daten mit GeoPandas
- Pandas vs. Excel: Vergleichende Analyse fรผr praktische Anwendungen
- Datenmanipulation in der Praxis mit Pandas
- Praktische รbungen mit Zeitreihen und Geodaten
- รberblick รผber Datenbanktypen und -strukturen
- Interaktion mit SQL-Datenbanken mit Python
- Arbeiten mit NoSQL-Datenbanken wie MongoDB
- Praktische รbungen zur Integration von gescrapten Daten in Datenbanken
- Grundlagen der Erstellung interaktiver Dashboards
- Einfรผhrung in Docker fรผr die Bereitstellung und Skalierbarkeit von Dashboards
- Praktische รbungen zum Erstellen und Bereitstellen eines Dashboards mit Docker
Zielgruppe
Ideal fรผr Berufstรคtige mit grundlegenden Python-Kenntnissen, die ihr Wissen auf reale Herausforderungen im Bereich der Datenverarbeitung anwenden mรถchten. Der Kurs geeignet sich fรผr Datenanalysten, Business-Intelligence-Spezialisten und Fachleute in Bereichen wie Finanzen und Marketing, um praktische Erfahrung in der Datenerfassung, -verarbeitung und -visualisierung zu erhalten.Teilnahmevoraussetzungen
Grundlegende Kenntnisse in Python (keine fortgeschrittenen Programmier- oder Data-Science-Erfahrungen erforderlich) und die Begeisterung fรผr die Anwendung von Python in der Datenpraxis werden zum erfolgreichen Kursabschluss beitragen. Da es sich um einen Online-Kurs handelt werden ein Laptop oder PC, ein Headset mit Mikrofon und eine zuverlรคssige Internetverbindung benรถtigt, um effektiv an den virtuellen Prรคsenzveranstaltungen und den gemeinsamen Diskussionen teilnehmen zu kรถnnen. Teilnehmenden werden ermutigt, ihre Herausforderungen aus der Praxis in den Kurs einzubringen, um ein dynamisches Lernumfeld zu schaffen.Termine
Ablauf des Kurses:- Virtuelle Prรคsenzveranstaltung am 14.02.2025 von 15:00 - 21:00 Uhr
- Selbststudium: 15.02.2025 - 21.02.2025 (Umfang 20-30 Stunden) inklusive 6 Stunden offene Sprechstunde in Gruppe oder individuell
- Virtuelle Prรคsenzveranstaltung am 22.02.2025 von 09:00 - 17:00 Uhr
- Selbststudium: 23.02.2025 โ 06.03.2025 (Umfang 20-30 Stunden) inklusive 10 Stunden offene Sprechstunde in Gruppe oder individuell
- Virtuelle Prรคsenzveranstaltung am 07.03.2025 von 09:00 - 17:00 Uhr mit Prรคsentation der Abschlussarbeiten + Ergebnisse
Nach den ersten beiden virtuellen Prรคsenzterminen beginnt jeweils ein Selbststudium (20-30 Stunden mit z.B. รbungsaufgaben), welches bis zum nรคchsten Termin fรผr ca. 8 Stunden online, im Rahmen einer offenen Sprechstunde, einem Kleingruppen-Workshop o. ร. nach Absprache begleitet wird.
LEHRENDE*R
Dongrui Jiang ist wissenschaftliche Mitarbeiterin am Lehrstuhl fรผr Energie- und Ressourcenmanagement (ER) an der TU Berlin. Ihre Forschung konzentriert sich in erster Linie auf die Analyse von Energiesystemen mit dem Schwerpunkt der Datenanalyse im Energiebereich. Seit 2020 ist sie auch als Dozentin fรผr den Kurs "Introduction to Python Programming" bei der TU Berlin Summer and Winter University tรคtig. Mit mehr als 5 Jahren Erfahrung in der Nutzung von Python fรผr die Datenverarbeitung bringt sie umfangreiches praktisches Wissen und Fachkenntnisse in diesem Bereich mit. Mit Leidenschaft fรผhrt sie Schulungen zu grundlegenden Python-Grammatiken als auch zu fortgeschrittenen Themen wie Web Scraping und Datenanalyse durch.
