Data Analysis & Predictive Modelling using Python — Pandas, scikit-learn, Matplotlib

Wer Python kennt und in Data Analytics einsteigt, braucht zwei Skill-Sets: explorative Datenanalyse (EDA) für das Verstehen von Daten und Predictive Modelling für die Vorhersage aus Daten. Dieser Kurs vermittelt beides praxisnah. Block Python-Setup für Data Science: Jupyter Notebook und JupyterLab, Anaconda-Distribution als All-in-One-Paket, virtuelle Umgebungen (conda env, venv), wichtige Pakete (NumPy, Pandas, scikit-learn, Matplotlib, Seaborn, SciPy). Block Daten laden und inspizieren: CSV, Excel, JSON, Parquet, SQL-Abfragen, Web-Scraping mit Beautiful Soup, API-Calls mit requests. Pandas-Inspektion (head, tail, info, describe, sample, shape, dtypes, isna, value_counts, unique, nunique). Block Daten-Cleaning: Missing Values (fillna mit Mittelwert/Median/Mode oder vorhergehender/folgender Wert, dropna für Komplett-Löschung), Duplikate erkennen und entfernen (duplicated, drop_duplicates), Outlier-Erkennung (IQR-Methode, Z-Score, Visual via Boxplots), Data-Type-Konvertierung (astype, pd.to_datetime, pd.to_numeric), String-Cleaning (strip, lower/upper, replace, regex). Block Feature Engineering: Aggregationen (groupby + agg), Pivot-Tabellen, Time-Based Features (Tag, Wochentag, Monat aus Datum extrahieren), Categorical Encoding (One-Hot mit pd.get_dummies, Label Encoding mit sklearn.preprocessing.LabelEncoder, Target Encoding), Numerical Scaling (StandardScaler für Mean=0/Std=1, MinMaxScaler für [0,1]), Binning kontinuierlicher Variablen. Block Explorative Datenanalyse (EDA): Univariate Analyse (Verteilungen via Histogram, Boxplot, KDE), Bivariate Analyse (Scatter-Plots, Korrelation, Crosstab für kategorische), Multivariate (Pair Plots, Heatmaps der Korrelations-Matrix), Visualisierung mit Matplotlib (low-level Kontrolle) und Seaborn (statistische Hochpegel-Plots). Block Predictive Modelling — Klassifikation: Train/Test/Validation-Split mit train_test_split, Klassifikations-Algorithmen (Logistic Regression, Decision Tree, Random Forest, Gradient Boosting mit XGBoost/LightGBM, K-Nearest Neighbors, Support Vector Machines), Metriken (Accuracy, Precision, Recall, F1, ROC-AUC, Confusion Matrix). Block Predictive Modelling — Regression: Lineare Regression (Simple, Multiple, mit Regularisierung wie Ridge/Lasso), Decision Tree Regression, Random Forest Regression, Gradient Boosting Regression, Metriken (MAE, MSE, RMSE, R²). Block Modell-Validierung und -Tuning: K-Fold Cross-Validation (cross_val_score, StratifiedKFold), Hyperparameter-Tuning mit GridSearchCV und RandomizedSearchCV, Lernkurven für Bias/Variance-Diagnose, Feature Importance.