Data Science mit Python - Beratung, Coaching und Schulung

Data Science mit Python: NumPy, pandas, Karten und ein testbares Projekt

Dauer: ab 1 Tag | Preis: ab 900 EUR (Netto) | Termin: Ganztägig + halbtägig

Sie arbeiten Data-Science-Fragen mit Python durchgängig ab – Daten laden und aufbereiten mit NumPy und pandas, Geodaten kartieren, Modelle mit scikit-learn bauen und das Ganze als versioniertes, getestetes Projekt pflegen.

Neu

Data Science mit Python: vom ersten Datensatz zum Projekt, das nächstes Jahr noch läuft

Data Science mit Python verbindet Fragestellung, Daten und Code in einer Umgebung: Mit NumPy rechnen Sie auf ganzen Arrays statt in Schleifen, mit pandas bringen Sie Messreihen, Exporte und Zeitstempel in Form, mit Matplotlib und folium machen Sie Ergebnisse als Diagramm oder Karte sichtbar, und scikit-learn liefert die Modelle. Der Kurs zeigt diese Bibliotheken nicht einzeln, sondern als zusammenhängenden Arbeitsablauf an einem durchgehenden Beispiel – GPS-Aufzeichnungen von Fahrten, aus denen Geschwindigkeiten, Strecken und Prognosen entstehen.

Wir richten zuerst Python und VS Code als Arbeitsumgebung ein, mit Code-Zellen, Markdown-Erläuterungen und den passenden Erweiterungen. Anschließend vertiefen Sie NumPy – Slicing, boolesche Masken, Broadcasting und ufuncs – und weiter zu pandas mit dem Einlesen von CSV und Parquet, dem Parsen von Zeitangaben und dem Berechnen abgeleiteter Größen. Es folgen Paketverwaltung mit uv und Lockfile, Geodaten mit folium, Shapely und GeoPandas, ein kompakter Block zu scikit-learn mit Pipelines und gespeicherten Modellen sowie Visualisierung mit Matplotlib, pandas und interaktiven Bibliotheken. Ein Ausblick zeigt, wann Numba, Polars oder DuckDB weiterhelfen und wo Deep Learning, Bildverarbeitung und Textanalyse ansetzen.

Der letzte Teil behandelt, was in vielen Analyseteams fehlt: einen Entwicklungsprozess mit Git, Code-Review und Tests auch für Auswertungscode. Genau dort setzen wir Claude Code als Erweiterung in VS Code ein. Der Agent zieht Notebook-Zellen in Funktionen heraus, ergänzt pytest-Fälle mit kleinen Beispiel-DataFrames und ersetzt langsame Zeilenschleifen durch vektorisierten Code – jeweils mit dem Nachweis, dass das Ergebnis unverändert bleibt. Rohdaten bleiben dabei schreibgeschützt, und neue Pakete erscheinen nur als nachvollziehbare Änderung im Lockfile.

Grundkenntnisse in Python setzen wir voraus, Statistikwissen nicht. Wer bereits mit eigenen Messdaten, Logdateien oder Exporten arbeitet, kann sie als zweiten Übungsdatensatz mitbringen; für reine Modellierungsfragen ist das Seminar „Maschinelles Lernen (ML) mit Python“ die engere Vertiefung.

Eine Auswertung ist für mich erst dann fertig, wenn eine Kollegin sie auf ihrem Rechner neu erzeugen kann. Viel zu oft sehe ich Notebooks, deren Zellen nur in einer bestimmten, nirgends notierten Reihenfolge funktionieren, und Zahlen, die von einer Paketversion abhängen, die niemand festgehalten hat. Data Science wird nicht durch das raffinierteste Modell glaubwürdig, sondern durch einen Lockfile, ein paar Tests und eine Geschichte in Git. Das klingt nach Softwareentwicklung – und genau das ist es auch, nur mit Daten.
Themen und Inhalte für Ihre Beratung, Coaching, Workshop, Training, Schulung und Weiterbildung:

Data Science mit Python: NumPy, pandas, Karten und ein testbares Projekt

Einführung in Data Science mit Python
  • Python als Data-Science-Sprache: Ökosystem, Stärken, NumPy als gemeinsames Fundament
  • Was Data Science umfasst: Fragestellung, Daten, Analyse, Modell, Kommunikation
  • Python installieren: Installer von python.org oder uv python install, Versionen parallel
  • Typische Datenquellen: CSV, Parquet, Excel, SQL-Datenbanken und Web-APIs
Visual Studio Code als Analyseumgebung
  • VS Code für Datenarbeit: Explorer, integriertes Terminal, Variablen- und Datenansicht
  • Code-Zellen mit # %% und Interactive Window: Schritt für Schritt ausführen
  • Erweiterungen Python, Pylance, Jupyter und Ruff einrichten und konfigurieren
  • Markdown-Zellen für Erläuterungen, Formeln und Zwischenergebnisse
  • Jupyter-Notebooks in VS Code öffnen, Kernel wählen, Ausgaben vor dem Commit leeren
NumPy – Grundlagen
  • NumPy-Überblick: ndarray, dtype, Speicherlayout und warum Vektorisierung schneller ist
  • Arrays erzeugen mit array, arange, linspace und Zufallszahlen über default_rng
  • Form und Achsen: shape, reshape und das axis-Argument bei Aggregationen
  • Arrays zerschneiden in mehreren Dimensionen, Views und Kopien unterscheiden
  • Boolesche Indizierung: Werte per Maske filtern, zählen und ersetzen
  • Broadcasting-Regeln am Beispiel: Spalten normieren und Abstände ohne Schleife berechnen
  • Array-Operationen: Summen, Mittelwerte, Sortieren und Matrixprodukt mit @
  • Universelle Funktionen (ufuncs), np.where und der Parameter out
  • NumPy 2: geänderte Typregeln und Skalare, Bestandscode mit Ruff-Regel NPY201 prüfen
pandas – Grundlagen
  • pandas-Überblick: Series, DataFrame, Index und Datentypen
  • CSV-Dateien laden mit read_csv: Trennzeichen, Kodierung, dtype, usecols
  • Zeitangaben parsen mit to_datetime, Formate, Zeitzonen und DatetimeIndex
  • Zugriff auf Zeilen und Spalten mit loc, iloc und query
  • Geschwindigkeit aus GPS-Punkten berechnen: Distanz und Zeitabstand mit shift und diff
  • Geschwindigkeitsverteilung je Fahrt oder Tageszeit als Boxplot darstellen
  • Gruppieren und verdichten mit groupby, agg und resample für Zeitreihen
  • Parquet lesen und schreiben, Arrow-gestützte Datentypen für Text und fehlende Werte
  • Copy-on-Write in pandas 3: verkettete Zuweisungen erkennen und umschreiben
Python-Pakete und Umgebungen
  • Python-Pakete verstehen: Modul, Paket, Wheel, PyPI und Versionsangaben
  • Projektumgebungen mit venv oder uv, conda für Pakete mit Binärabhängigkeiten
  • Abhängigkeiten in pyproject.toml festhalten, uv.lock für reproduzierbare Läufe
Geodaten mit folium, Shapely und GeoPandas
  • Erste interaktive Karte mit folium: Ausschnitt, Kachelquelle, Marker und Popups
  • Einen GPS-Track als Linie auf der Karte zeichnen, eingefärbt nach Geschwindigkeit
  • Geometrien mit Shapely: Punkte, Linien, Polygone, Abstände und Pufferzonen
  • GeoPandas: GeoDataFrame, Koordinatenbezugssysteme umrechnen, räumliche Joins
scikit-learn – Grundlagen
  • scikit-learn-Einführung: die einheitliche Schätzer-API mit fit, predict und score
  • Regression mit linearem Modell und Entscheidungsbaum für eine Fahrzeitprognose
  • Trainings- und Testdaten trennen mit train_test_split, Kreuzvalidierung als Ergänzung
  • Daten vorverarbeiten: Skalieren, One-Hot-Kodierung, fehlende Werte mit SimpleImputer
  • Pipelines mit Pipeline und ColumnTransformer zusammenstellen
  • Modelle speichern und laden mit joblib: Versionsbindung und Risiko fremder Pickle-Dateien
  • Regressionsfehler bewerten: MAE, RMSE, R² und Residuendiagramm
Matplotlib und Visualisierung
  • Matplotlib-Überblick: Figure, Axes und die objektorientierte Schnittstelle
  • Stile mit plt.style verwenden, Farbpaletten auch bei Farbsehschwäche lesbar wählen
  • Tabellenausgabe von pandas anpassen: Anzeigeoptionen und Formatierung mit Styler
  • Schnelle Diagramme mit DataFrame.plot: Linie, Balken, Histogramm, Streudiagramm
  • pandas-Diagramme mit Matplotlib verfeinern: Achsen, Beschriftungen, Teilgrafiken
  • Interaktive Plots im Notebook mit ipympl und Plotly
  • Andere Plotting-Pakete einordnen: seaborn, Altair und Bokeh
Weitere Python-Pakete für Data Science
  • Übersicht über weitere Pakete: SciPy für Statistik und Optimierung, statsmodels
  • Schneller werden mit Numba: Schleifen per @njit kompilieren, Grenzen des Ansatzes
  • Deep Learning einordnen: wann neuronale Netze mit PyTorch statt scikit-learn
  • Bildverarbeitung mit scikit-image und OpenCV: Bilder als NumPy-Arrays
  • Textanalyse (NLP) mit spaCy: Tokenisierung, Lemmata, benannte Entitäten
  • Mit größeren Daten arbeiten: Polars und DuckDB auf Parquet-Dateien
  • Speicherbedarf mit memory_usage messen, CSV in Stücken über chunksize lesen
Der Entwicklungsprozess von Python Data Science
  • Vom Notebook zum Projekt: Ordner für Rohdaten, Module, Konfiguration und Ergebnisse
  • Quellcodekontrolle mit Git: Notebooks vergleichen, Datendateien per .gitignore ausschließen
  • Code-Überprüfung für Analysecode: Filter, Einheiten, Annahmen und Rundungen hinterfragen
  • Überblick über das Testen: was sich in Datenauswertungen sinnvoll testen lässt
  • Beispiel: Geschwindigkeitsfunktion mit pytest und assert_frame_equal absichern
  • Linting und Formatierung mit Ruff, Prüfung vor jedem Commit
Data Science im Team mit Claude Code
  • Rohdaten in data/raw schreibgeschützt; der Agent erzeugt nur abgeleitete Dateien
  • Agent zieht Notebook-Zellen in Funktionen heraus und belegt Gleichheit mit assert_frame_equal
  • Zeilenschleifen mit iterrows vektorisieren lassen, Laufzeit vorher und nachher messen
  • Erwartete Spalten, dtypes und Wertebereiche als Prüffunktion, die jede Data-Science-Auswertung aufruft
  • Neue Bibliotheken erscheinen nur als Diff in pyproject.toml und uv.lock – Review vor dem Merge
Praxisprojekt: Auswertung von Lieferfahrten aus GPS-Aufzeichnungen
  • GPS-Tracks mehrerer Fahrzeuge einlesen, Zeitstempel bereinigen, Standzeiten und Ausreißer erkennen
  • Geschwindigkeiten und Strecken je Tour berechnen, Touren auf einer folium-Karte vergleichen
  • Fahrzeit je Tour mit einer scikit-learn-Pipeline schätzen und gegen den Mittelwert prüfen
  • Auswertung als Projekt mit Lockfile, Tests und Git-Historie an das Team übergeben
Lernziele
  • Sie rechnen mit NumPy-Arrays über Slicing, Masken und Broadcasting ohne Python-Schleifen
  • Sie laden, bereinigen und verdichten Zeit- und Messreihen mit pandas
  • Sie stellen Geodaten mit folium und Shapely dar und verknüpfen sie räumlich
  • Sie bauen eine scikit-learn-Pipeline, bewerten sie auf Testdaten und speichern das Modell
  • Sie organisieren eine Datenauswertung als Projekt mit Umgebung, Lockfile, Git und Tests
Zielgruppe
  • Analyst:innen, Ingenieur:innen und Entwickler:innen mit Python-Grundkenntnissen, die Daten auswerten
  • Teams, die Auswertungen aus Excel oder Einzel-Notebooks in wartbare Python-Projekte überführen wollen
  • Fachleute aus Logistik, Mobilität oder Messtechnik mit Zeitreihen- und Geodaten

*) Die Inhalte werden individuell abgestimmt und mit Praxisbeispielen abgerundet.

Ein Symbol für einen Kalender.

"Offene" Termine

Kostenlose Reservierung
Ein Symbol für Angebot erhalten.

Unser Angebot

Sind Sie auf der Suche nach einer Veranstaltung, die genau Ihrem Bedarf entspricht? Einer Veranstaltung, welche nur Inhalte vermittelt, die Sie selbst gewählt haben und speziell auf Ihr Unternehmen zugeschnitten ist? Dann sind Sie bei uns richtig!

Dauer

Ein Symbol für Dauer.
ab 1 Tag (8 UE)

Die Dauer richtet sich nach Ihren Vorstellungen und inhaltlichen Wünschen. Sie bekommen genau das, was Sie brauchen.

Preis

Ein Symbol für Preis.
ab 900 EUR (Nettopreis)
ab 1.071 EUR (Bruttopreis)

Die Preise verstehen sich bei Unternehmern gemäß § 14 BGB zzgl. MwSt. Der dargestellte Ab-Preis gilt für firmeninterne Veranstaltungen und entspricht dem niedrigsten Gesamtpreis für Veranstaltungen mit bis zu drei (3) Teilnehmenden.

Termin

Ein Symbol für einen Kalender.
Ganztägig + halbtägig
nach Vereinbarung

Ihr Wunschtermin wird bei der Planung berücksichtigt. Die Veranstaltung findet ganztägig + halbtägig zu flexiblen Zeiten statt.

Ihre Vorteile

Ein Symbol für ein Vorgespräch durchführen.
Persönliches Vorgespräch
Ein Symbol für die individuelle Vorbereitung.
Individuelle Vorbereitung
Ein Symbol für Experten aus der Praxis.
Experten aus der Praxis
Ein Symbol für ein Zertifikat.
Inklusive Zertifikat

Unsere Garantien

1. Relevanz-Garantie

Wir passen den Inhalt spezifisch an die Bedürfnisse jedes Teilnehmers an. Irrelevante Themen werden ausgespart, um den größtmöglichen Nutzen zu garantieren.

2. Qualitäts-Garantie

Durch regelmäßiges Feedback optimieren wir unsere Schulungen kontinuierlich und garantieren Ihnen ein Lernerlebnis der Extraklasse.

3. Zufriedenheits-Garantie

Unsere Zufriedenheitsgarantie spricht für sich – bei Unzufriedenheit entstehen Ihnen keine Kosten.

Wir helfen gerne weiter!

Rufen Sie uns an, schreiben eine E-Mail oder nutzen das Kontaktformular.

Jetzt anfragen
Einige Unternehmen, für die wir tätig waren

OSB AG

Airbus Operations GmbH

Deutsche Post AG

Teilnehmer

Feedback

Herr Hecker ist sehr gut auf individuelle Wünsche, Fragen und Anregungen eingegangen. Eine sehr informative, interessante und gelungene Veranstaltung.
Teilnehmer

Feedback

Herr Hecker hat das Thema sehr anschaulich dargestellt und ist auf alle Fragen eingegangen. Ich fühle mich jetzt gut vorbereitet, um durchzustarten.
Teilnehmer

Feedback

Die gelassene, professionelle Art hat mir gut gefallen. Kompetent, engagiert, professionell. Gute Beispiele, sympathisches Auftreten. Eigene Themenideen wurden aufgegriffen.
Unser Angebot für Ihre firmeninterne Beratung, Coaching, Workshop, Training und Weiterbildung

Lösungen für Ihren Bedarf an Coaching, Workshop, Training, Schulung und Weiterbildung

Profitieren Sie von unserer langjährigen Expertise in der beruflichen Weiterbildung, modernen Lernmethoden und einem Portfolio von über 600 IT-, Online- und Digital-Beratungsleistungen.
Selbstverständlich lassen sich die einzelnen Themen kombinieren. So erhalten Sie genau die Weiterbildung, die Sie wünschen und brauchen - als Coaching, Workshop, Training, Schulung und Weiterbildung!

✓
Ein Symbol für eine einzelne Person.

Für eine Person

Training & Coaching für Einzelpersonen

  • Passgenaue Inhalte auf den einzelnen Teilnehmer zugeschnitten
  • Ein sehr effektives Format, das schnell Ergebnisse bringt
  • Individuelles Training und Coaching motivieren und wirken
Jetzt anfragen
✓
Ein Symbol für eine Gruppe von Personen.

Für eine Gruppe

Training & Workshops für Teams und Abteilungen

  • Bedarfsgerechte Inhalte auf die Herausforderung der Praxis zugeschnitten
  • Konsequente Praxisorientierung, modernste Techniken und Tools
  • Neue Fähigkeiten und Kenntnisse nachhaltig in den Arbeitsalltag integrieren
Jetzt anfragen
✓
Ein Symbol für ein Unternehmen.

Für eine Firma

Training-Komplett-Lösungen für Ihr Unternehmen‍

  • Ganzheitliche Konzepte für Ihre Mitarbeiterentwicklung
  • Individueller Skill-Katalog zur Erweiterung Ihres internen Weiterbildungsangebots
  • Nachhaltige Personalentwicklung realisieren
Jetzt anfragen

Anfrage für eine unverbindliche + kostenlose Erstberatung zum Thema

Data Science mit Python - Beratung, Coaching, Workshop, Training, Schulung und Weiterbildung

Wir freuen uns über Ihre Anfrage und antworten so schnell es geht!

Ich interessiere mich für den Termin:

Termin anfragen

Das Angebot von "HECKER CONSULTING" richtet sich ausschließlich an Unternehmen und Behörden (iSv § 14 BGB). Verbraucher (§ 13 BGB) sind vom Vertragsschluss ausgeschlossen. Mit Absendung der Anfrage bestätigt der Anfragende, dass er nicht als Verbraucher, sondern in gewerblicher Tätigkeit handelt. § 312i Abs. 1 S. 1 Nr. 1-3 und S. 2 BGB (Pflichten im elektronischen Geschäftsverkehr) finden keine Anwendung.

Vielen Dank, Ihre Nachricht wurde empfangen!
Beim Absenden des Formulars ist etwas schiefgelaufen.
Beratung, Coaching, Workshop, Training, Schulung

Ähnliche Leistungen, die Sie interessieren könnten.

Wir erweitern ständig unser Beratungsportfolio. Über 600 IT-, Online-, Digital-Beratungsleistungen haben wir für Sie im Programm. Selbstverständlich lassen sich die einzelnen Themen kombinieren. So erhalten Sie genau die Beratung, die Sie wünschen und brauchen - als Coaching, Workshop, Training, Schulung und Weiterbildung!

Mehr IT-, Online-, Digital-Beratungsleistungen anzeigen >>
Nach oben