Die Woche "Datenstrukturen" vermittelt Ihnen ein umfassendes Verständnis der häufig verwendeten Datenstrukturen zur effizienten Organisation und Manipulation von Daten. Sie werden verschiedene Datenstrukturen kennenlernen, darunter Strings, Listen, Sets und Dictionaries. Anhand von theoretischen Erklärungen und praktischen Beispielen werden Sie die Vorteile der einzelnen Datenstrukturen verstehen und die grundlegenden Operationen, die mit ihnen verbunden sind, lernen.

Die Woche "NumPy" dient als Einführung in die grundlegenden Konzepte und praktischen Anwendungen von NumPy, einer leistungsstarken Bibliothek für numerische Berechnungen in Python. Sie erhalten einen Einblick in die Vorteile der Verwendung von NumPy für eine effiziente Datenmanipulation und mathematische Operationen. In dieser Woche wird die zugrunde liegende Datenstruktur von NumPy-Arrays behandelt und Sie werden durch grundlegende Array-Operationen geführt, einschließlich Zugriff und Manipulation. Darüber hinaus werden Sie sich mit fortgeschrittenen Operationen wie Maskierung und Filterung beschäftigen, um komplexe Datenmanipulationen effektiv durchzuführen.

Die "Pandas"-Woche bietet Ihnen eine umfassende Einführung in Pandas, eine leistungsstarke und weit verbreitete Bibliothek zur Datenmanipulation und -analyse in Python. Sie werden die Vorteile der Verwendung von Pandas für den effizienten Umgang mit strukturierten Daten kennenlernen. Die Woche behandelt die Pandas zugrunde liegende Datenstruktur, nämlich DataFrames und Series, und führt Sie durch grundlegende Datenoperationen, einschließlich Zugriff und Manipulation. Darüber hinaus werden Sie sich mit fortgeschrittenen Datenmanipulationen wie Maskierung, Filterung, Aggregation, Pivot-Tabellen und mehr befassen, um Datensätze effektiv zu analysieren und zu transformieren.

Die "Case Study"-Woche bietet Ihnen die Möglichkeit, das Wissen, das Sie im Laufe des Kurses erworben haben, in einer praktischen Simulationsfallstudie anzuwenden. Durch praktische Übungen und reale Szenarien werden Sie Python und relevante Pakete verwenden, um einen Dummy-Datensatz zu erstellen, der einen realen Datensatz imitiert, auf den sie in der Datenanalyse oder wissenschaftlichen Forschung stoßen könnten. Während der Fallstudie werden Sie mit Herausforderungen konfrontiert, die in der realen Datenanalyse häufig vorkommen, und Sie werden ermutigt, kritisches Denken und Problemlösungsfähigkeiten einzusetzen, um diese zu überwinden. Diese praktische Übung wird nicht nur ihr Verständnis von Python und den entsprechenden Paketen festigen, sondern auch ein tieferes Verständnis für die Bedeutung der Datenaufbereitung und -analyse in verschiedenen Bereichen fördern.