Python-Training im Bereich Data Science

Die Grundlagenschulung in Python mit dem Fokus auf den Bereich Data Science ist Ihr idealer Einstieg in die Programmiersprache. Neben den Programmierparadigmen, Objekttypen und Syntaxstrukturen wird mit polars die zentrale Bibliothek für den Bereich Datenmanagement besprochen. Durch das Training werden Sie in der Lage sein, das Datenmanagement sowie erste Analysen und Visualisierungen in Python umzusetzen.

Kursinhalte

• Einstieg in Python
• Einführung in die Entwicklungsumgebung Jupyter Notebooks
• Philosophie von Python (die Programmiersprache, Objekte, Funktionen, Klassen)
• Objekttypen und ihre Eigenschaften (List, dictionary, string)
• Datenmanagement mit polars
• Auswertungen mit Python: Statistische Kennzahlen und Grafiken
• Schreiben eigener Funktionen und Schleifen
• Einstieg in die Objektorientierung: Klassen, Methoden und Attribute

—

Zielgruppe: Dieser Einführungskurs richtet sich an TeilnehmerInnen ohne bestehende Vorkenntnisse in Python oder Statistik und dient als Ausgangspunkt für die weitere Arbeit mit Python.

—

Kurslänge: Zwei Tage

Eine Auswahl der Schulungsinhalte im Bereich Machine Learning mit Python:

• Einführung in die Grundbegriffe des Machine Learnings
• Umgang mit dem Machine-Learning-Framework scikit-learn
• Logik und Praxis: Aufteilen von Daten in Test und Trainingsdaten
• Vorstellung und Anwendung relevanter Aufbereitungsschritte, z. B. One-Hot-Encoding, Standardization, Imputation
• Training von Machine-Learning-Modellen auf Basis verschiedener Algorithmen, z. B. Decision Trees, Support Vector Machines, Random Forests, XGBoost etc.
• Verknüpfung von Aufbereitungs- und Modellierungsschritten in einer scikit-learn Pipeline
• Interpretation verschiedener Metriken zur Modellevaluation
  • Für Klassifikationen: (Balanced) Accuracy, AUC, F1-Score, etc.
  • Für Regressionen: RMSE, MAE
• Parameter Tuning (Grid Search) der Modelle mit Hilfe von Cross-Validation
• Selbstständige Anwendung des Erlernten in praktischen Übungen

—

Zielgruppe: Dieser Einführungskurs richtet sich an TeilnehmerInnen mit bestehenden Vorkenntnissen in Python oder Statistik.

—

Kurslänge: Zwei Tage

Transformer Modelle haben die Art und Weise, wie Computer Texte verarbeiten und verstehen revolutioniert. Sie bilden das Fundament moderner KI-Anwendungen. In unserem Training blicken wir auf die Hintergründe sowie Anwendungsfälle von Transformer Modellen und vermitteln die Fähigkeiten für ihren praktischen Einsatz.

Die Kursinhalte im Überblick:

• Einstieg: Vorstellung der Use Cases von Transformer Modellen (Text, Audio, Bild)
• Hintergründe von Transformer Modellen
• Praktische Arbeit mit Transformern in Huggingface
• Was ist Huggingface und wofür brauche ich es?
• Wie verarbeite ich Daten und bereite sie für die Arbeit mit Transformern vor? (datasets library)
• Wie wende ich Transformer Modelle in verschiedenen Use Cases an? (transformers library)
• Wie bewerte ich die Performance der Modelle? (evaluate library)
• Wie kann ich ein vortrainiertes Modell für meinen Anwendungsfall finetunen

—

Kurslänge: Zwei Tage

Optional erweitern wir für Sie unser Training zum Thema Transformer Modelle um einen weiteren auf drei Tage Gesamtlänge.

Die Kursinhalte des Erweiterungstags im Überblick:

• Transformer in Produktion: Vorstellung eines RAG-Systems
  • Geschwindigkeit verbessern bzw. RAM-Verbrauch reduzieren mit Quantisierung und der accelerate library
  • Welche Rolle spielen Transformer in einem RAG-System
  • Wie baue ich ein RAG-System auf: langchain library
  • Prompt Engineering
  • (RAG mit gradio als App darstellen)