Udemy

Platform

Deutsch

Language

Data Science

Category

Python Meisterkurs von A-Z: Der Komplettkurs für Anfänger!

Python von A-Z! OOP, Data Science, Machine Learning, Web Crawling, Deep Learning, Flask, Regex, Computer Vision, PowerBI

4.30 (26 reviews)

Students

41 hours

Content

Jul 2021

Last Update
Regular Price

BLUE HOST
Blue Host
Fast, easy, and secure WordPress hosting in minutes + 1 free domain name
65%OFF : $2.95/month

What you will learn

Du lernst alles über die Programmiersprache Python: von A-Z!

Du bereitest dich jetzt schon auf die Arbeitswelt von morgen vor!

Du lernst wie Du professionelle Programme in Python schreiben kannst.

Du lernst wie Du Daten mit einem Webcrawler extrahieren kannst.

Du wirst zum gefragten Python-Entwickler und steigerst Deinen Wert für Arbeitgeber um ein Vielfaches!

Du wirst in der Lage sein eigene GUI-Anwendungen zu programmieren.

Erstelle eigene Webseiten mit dem Python Flask Framework zusammen mit HTML und CSS!

Du erhältst einen interessanten Einstieg in Zukunftsthemen wie Machine Learning, Neuronale Netze oder Deep Learning!

Wende dein gelerntes Wissen in Python auf praxisnahe Data Science Fälle an zur Automatisierung und Visualisierung!

Du erhältst einen Einblick wie du Python in Power BI zur Transformation von Daten und Visualisierung verwenden kannst.


Description

"Der Kurs hat mir einen sehr guten Einstieg in Python gegeben und das mit einer unglaublich hohen Qualität!" (★★★★★, Benjamin H.)

"Der Dozent kennt sich super in diesem Themengebiet aus! Es ist ein sehr umfangreicher Kurs, womit keine Fragen offen bleiben, danke." (★★★★★, Jürgen M.)


Wolltest du schon immer mal Programmieren lernen mit Python?

Herzlich Willkommen zum großen Python Programmierung Komplettkurs!

Der große Python Meisterkurs von A-Z: Der Komplettkurs für Anfänger!

In diesem Kurs lernst du die Programmiersprache Python von 0 auf 100! Unabhängig davon welche Vorkenntnisse du hast oder wofür du Python verwenden möchtest: Dieser Kurs bietet dir den besten Einstieg in die Programmierung mit Python.

Über 40h Lerninhalte bestehend aus über 500 Lektionen mit mehr als 800 Begleitmaterialien!

Für diesen Kurs werden absolut keine Programmierkenntnisse benötigt!

Das wirst Du in diesem Python Bootcamp lernen:

  • Du lernst alles über die Programmiersprache Python: von A-Z!

  • Lerne die kompletten Grundlagen von Python!

  • Erstelle bereits nach wenigen Stunden hochwertige Programme!

  • Werde zum gefragten Python-Entwickler und steigere Deinen Wert für Arbeitgeber um ein Vielfaches!

  • Du lernst wie Du professionelle Programme in Python schreiben kannst.

  • Der beste Einstieg in Zukunftsthemen:

    - Machine Learning, Neuronale Netze oder Deep Learning!

    - Visualisiere deine Daten interaktiv!

    - Automatisiere deine Prozesse!

    - Schreibe einen Webcrawler und extrahiere Daten von Webseiten

    - Programmiere eigene GUI-Anwendungen über das PyQt-Framework.

    - Erstelle eigene Webseiten mit dem Python Flask Framework mit HTML und CSS!

    - Wende dein gelerntes Wissen in Python auf praxisnahe Data Science Fälle an


Wende dein erlerntes Wissen direkt an! Unzählige Übungsaufgaben, Lernerfolgskontrollen, Quizzes & Zusammenfassungen

Wir fangen bei den wichtigsten Grundlagen von Python an und werden die einzelnen Lerninhalte insbesondere sehr praxisnahe anhand von Beispielen vertiefen. Du lernst dabei die wichtigsten Grundlagen der Programmiersprache Python kennen: Datentypen, Variablen, Listen, Dictionaries, Tupel, Bedingungen, Kontrollstrukturen, Booleans, Schleifen & Objektorientierung.

Perfekter Einstieg in die Data Science!

In diesem Kurs beschäftigen wir uns mit dem derzeit gefragtesten Berufsbild überhaupt: Data Science! Wir lernen alles über die Data Science Module in Python wie Matplotlib, Pandas, Seaborn, Regex oder NumPy!

Bereite dich bereits heute vor auf die Arbeitswelt der Zukunft!

Schluss mit Copy-Paste von Excel-Zahlen in PowerPoint-Folien! Im Rahmen der Digitalisierung ermöglichen uns Programmiersprachen wie Python sehr einfach Programme zu schreiben, um Workflows zu automatisieren!

In diesem Kurs lernst du wie du deine Daten mit Pandas in Python einlesen kannst und interaktive Visualisierungen erstellen kannst.

Egal ob Anfänger oder erfahrener Entwickler!

Auch für fortgeschrittene Python-Entwickler enthält der Kurs unzählige Themenkomplexe wie Webcrawling, Machine Learning, Webentwicklung, Computer Vision, GUI-Entwicklung oder Power BI.

Lerne die beliebteste Programmiersprache der Welt!

Python gehört zu den beliebtesten Programmiersprachen überhaupt! Data-Scientists sind enorm gefragt, gut bezahlt und arbeiten in interessanten Jobs. Datenvisualisierung, Predictive Modelling, Programmierkenntnisse und Machine Learning! Das Berufsfeld ist ausgesprochen vielseitig und gerade auch für Wirtschaftswissenschaftler mit Statistikkenntnissen interessant.

In diesem Kurs findest du unzählige Begleitressourcen, Quizze, Tests, Übungsaufgaben, Fallstudien und Zusammenfassungen - Der beste Weg ein Experte im Bereich Data Science mit Python zu werden!

Der einfachste Weg Python Programmieren zu lernen!

Praxisnahe Insights:

  • Lerne mit echten Daten zu arbeiten

  • Verstehe wie du Visualisierungen geeignet für deine Zielgruppe einsetzen kannst

  • Lerne Python auf jeden geeigneten Use Case praktisch zu übertragen

  • Fordere dein Wissen mit diversen Quizzen und Übungsaufgaben heraus

  • Einfaches Wiederholen von Wissen durch umfangreiche Zusammenfassungen

  • Und viel mehr...

Dieser Python Kurs besteht aus einer Vielzahl praktischer Übungen. Du lernst also nicht nur die Werkzeuge von Python kennen, sondern auch, wie du die Visualisierungsmöglichkeiten auf praxisnahe Data Science und Business Fälle anwenden kannst!

Du bist perfekt vorbereitet auf zukünftige Problemstellungen

--------------------------------------------

Bereite dich JETZT vor auf die Arbeitswelt von morgen!

--------------------------------------------


**** Lebenslanger Zugang zum Videomaterial und Kursunterlagen! ****

Zu allen Lektionen bekommst du hochprofessionelle Python Skripte zur Verfügung gestellt, um die Thematik zu verinnerlichen und anschließend auf eigene Use-Cases übertragen zu können.

--------------------------------------------

**** Im Kurs zum Download erhältlich ****

  • Zusammenfassung der Themenkomplexe (PDF)

  • Skript aller inhaltlichen Themen in Python

  • Berechnungen der Übungen in Python

  • Lösungen der Berechnungen in Python

--------------------------------------------

Also, worauf wartest Du? Schreib dich am besten direkt ein in diesen Kurs!

Mit der 30-Tage 100% Geld-zurück-Garantie hast Du absolut kein Risiko. Falls der Kurs nicht zu Dir passen sollte, kannst Du ihn ganz unkompliziert binnen 30-Tage wieder zurück geben!

Ich hoffe wir sehen uns gleich direkt im Kurs. Eine Investition in Bildung trägt die höchsten Zinsen!

Dein Fabio


Screenshots

Python Meisterkurs von A-Z: Der Komplettkurs für Anfänger!
Python Meisterkurs von A-Z: Der Komplettkurs für Anfänger!
Python Meisterkurs von A-Z: Der Komplettkurs für Anfänger!
Python Meisterkurs von A-Z: Der Komplettkurs für Anfänger!

Content

Einleitung

Herzlich Willkommen zum Kurs!

Kursaufbau

Dozentenvorstellung

Installation der Python Umgebung

Download aller Kursunterlagen

Einführung Python

[Basics I]: Einführung

[Basics I]: Jupyter Notebooks

[Basics I]: Jupyter Umgebung

[Basics I]: Datentypen

[Basics I]: Variablen

[Basics I]: Aufgabe

[Basics I]: Musterlösung

Datentypen und Variablen

[Basics I]: Zusammenfassung

Grundlagen Python

[Basics II]: Kapitelübersicht

[Basics II]: Listen

Listen Grundlagen

[Basics II]: Pop-Funktion bei Listen

[Basics II]: Zusammenfassung Teil 1

[Basics II]: Listen in Strings umwandeln 1

[Basics II]: Listen in Strings umwandeln 2

[Basics II]: Listen in Strings umwandeln 3

[Basics II]: Kommentare

Kommentare

[Basics II]: Datentypen umwandeln

[Basics II]: Aufgabe

[Basics II]: Musterlösung

Datentypen umwandeln

[Basics II]: Zusammenfassung Teil 2

Strings

[Strings]: Kapitelübersicht

[Strings]: Grundlagen

[Strings]: Weitere Funktionen

Strings Grundlagen 1

[Strings]: Aufgabe

[Strings]: Musterlösung

Strings Grundlagen 2

[Strings]: Zusammenfassung

Kontrollstrukturen I

[Kontrollstrukturen I]: Kapitelübersicht

[Kontrollstrukturen I]: If-Abfragen

[Kontrollstrukturen I]: If, else

[Kontrollstrukturen I]: Vergleichsoperatoren

[Kontrollstrukturen I]: Audrücke verknüpfen

[Kontrollstrukturen I]: Booleans Teil 1

[Kontrollstrukturen I]: Booleans Teil 2

If-Abfragen & Vergleichsoperatoren

[Kontrollstrukturen I]: Zusammenfassung Teil 1

[Kontrollstrukturen I]: Der in-Operator

[Kontrollstrukturen I]: Der not-Operator

[Kontrollstrukturen I]: elif

[Kontrollstrukturen I]: Aufgabe

[Kontrollstrukturen I]: Musterlösung

Bedingte logische Operatoren

[Kontrollstrukturen I]: Zusammenfassung Teil 2

Kontrollstrukturen II

[Kontrollstrukturen II]: Kapitelübersicht

[Kontrollstrukturen II]: Schleifen

[Kontrollstrukturen II]: Die while-Schleife

[Kontrollstrukturen II]: Die for-Schleife

[Kontrollstrukturen II]: Die geeignete Schleife verwenden

[Kontrollstrukturen II]: While Schleife Teil 2

[Kontrollstrukturen II]: For Schleife Teil 2

[Kontrollstrukturen II]: Zusammenfassung Teil 1

[Kontrollstrukturen II]: Range

[Kontrollstrukturen II]: Break & continue

[Kontrollstrukturen II]: Iteratoren

Schleifen

[Kontrollstrukturen II]: Aufgabe

[Kontrollstrukturen II]: Musterlösung

While and Break

[Kontrollstrukturen II]: Zusammenfassung Teil 2

Funktionen

[Funktionen]: Kapitelübersicht

[Funktionen]: Einführung

[Funktionen]: Grundlagen Teil 1

[Funktionen]: Grundlagen Teil 2

[Funktionen]: Grundlagen Teil 3

[Funktionen]: Grundlagen Teil 4

Funktionen

[Funktionen]: Objekte

[Funktionen]: Methoden

[Funktionen]: Zusammenfassung Teil 1

[Funktionen]: Lambda Ausdrücke

Lambda Ausdrücke

[Funktionen]: Dateien schreiben

[Funktionen]: Öffnen von Dateien

[Funktionen]: Datei und with

[Funktionen]: CSV öffnen

[Funktionen]: Aufgabe

[Funktionen]: Musterlösung

[Funktionen]: Exkurs: Passwortgenerator

CSV-Daten einlesen

[Funktionen]: Zusammenfassung Teil 2

Listen und Dictionaries

[Listen]: Kapitelübersicht

[Listen]: Einführung

[Listen]: List Slicing Teil 1

[Listen]: Weitere Listenfunktionen

[Listen]: List Slicing Teil 2

[Listen]: List Comprehensions

Listen

[Listen]: Aufgabe Teil 1

[Listen]: Musterlösung Teil 1

Listen 2

[Listen]: Zusammenfassung Teil 1

List Slicing

[Listen]: Einführung Dictionaries & Tupel

[Listen]: Dictionaries Teil 1

[Listen]: Dictionaries Teil 2

Dictionaries

[Listen]: Tupel Teil 1

[Listen]: Tupel Teil 2

[Listen]: Dictionaries und Schleifen

[Listen]: Zusammenfassung Teil 2

[Listen]: Verschachteln von Listen

[Listen]: Aufgabe Teil 2

[Listen]: Musterlösung Teil 2

[Listen]: Zusammenfassung Teil 3

Objektorientierung

[OOP]: Kapitelübersicht

[OOP]: Einführung Objektorientierung

[OOP]: Grundlagen Objektorientierung

[OOP]: Objekte Einführung

[OOP]: Klassen Einführung

[OOP]: Methoden Einführung

Klassen & Objekte

[OOP]: Zusammenfassung Teil 1

[OOP]: Beispiel Teil 1

[OOP]: Beispiel Teil 2

[OOP]: Beispiel Teil 3

[OOP]: Konstruktoren

Konstruktoren

[OOP]: Zusammenfassung Teil 2

[OOP]: Aufgabe 1

[OOP]: Aufgabe 1 Musterlösung

[OOP]: Private Eigenschaften 1

[OOP]: Private Eigenschaften 2

[OOP]: Aufgabe 2

[OOP]: Aufgabe 2 Musterlösung

[OOP]: Daten kapseln

[OOP]: Aufgabe 3

[OOP]: Aufgabe 3 Musterlösung

[OOP]: Vererbung 1

[OOP]: Vererbung 2

[OOP]: Vererbung 3

[OOP]: Zusammenfassung Teil 3

[OOP]: Typen von Variablen prüfen

[OOP]: Objekte in Python

[OOP]: Namenskonventionen

Namenskonventionen

[OOP]: Statische Variablen vs. Instanzvariabeln

[OOP]: Aufgabe 4

[OOP]: Aufgabe 4 Musterlösung

[OOP]: Zusammenfassung Teil 4

Module & Pakete

[Module & Pakete]: Kapitelübersicht

[Module & Pakete]: Einführung

[Module & Pakete]: Module erstellen 1

[Module & Pakete]: Module erstellen 2

[Module & Pakete]: Standard Module

[Module & Pakete]: Ordner

[Module & Pakete]: Python Module Index

[Module & Pakete]: Math Modul

[Module & Pakete]: Zusammenfassung Teil 1

[Module & Pakete]: Weitere Libraries in der Übersicht

[Module & Pakete]: Aufgabe

[Module & Pakete]: Musterlösung

Module

[Module & Pakete]: Zusammenfassung Teil 2

Fehler und Ausnahmen

[Fehlerbehebungen]: Kapitelübersicht

[Fehlerbehebungen]: Einführung Exceptions

[Fehlerbehebungen]: Try und Except

[Fehlerbehebungen]: Exceptions

[Fehlerbehebungen]: Zusammenfassung Teil 1

[Fehlerbehebungen]: Mehrere Exceptions

[Fehlerbehebungen]: Eigene Exceptions erstellen

[Fehlerbehebungen]: Zusammenfassung Teil 2

[Fehlerbehebungen]: Finally-Anweisung

[Fehlerbehebungen]: With-Anweisung

[Fehlerbehebungen]: Fortgeschrittene Möglichkeiten mit Input-Box

[Fehlerbehebungen]: Fehlerarten

[Fehlerbehebungen]: Aufgabe

[Fehlerbehebungen]: Musterlösung

Exceptions

[Fehlerbehebungen]: Zusammenfassung Teil 3

Integrierte Funktionen

[Integrierte Funktionen]: Kapitelübersicht

[Integrierte Funktionen]: Map-Funktion

[Integrierte Funktionen]: Reduce-Funktion

[Integrierte Funktionen]: Filter-Funktion

[Integrierte Funktionen]: Zip-Funktion

[Integrierte Funktionen]: Zusammenfassung 1

[Integrierte Funktionen]: All-Funktionen

[Integrierte Funktionen]: Enumerate-Funktion

[Integrierte Funktionen]: Complex-Funktion

[Integrierte Funktionen]: Aufgabe

[Integrierte Funktionen]: Musterlösung

[Integrierte Funktionen]: Input-Funktion

[Integrierte Funktionen]: Aufgabe Input-Box Programmieren

[Integrierte Funktionen]: Musterlösung Input-Box Programmieren

Integrierte Funktionen

[Integrierte Funktionen]: Zusammenfassung 2

Dekoratoren

[Dekoratoren]: Kapitelübersicht

[Dekoratoren]: Einführung

[Dekoratoren]: Funktionen in Funktionen

[Dekoratoren]: Funktionen als Parameter

[Dekoratoren]: Erstellung von Dekoratoren

Dekoratoren

[Dekoratoren]: Zusammenfassung

Generatoren

[Generatoren]: Kapitelübersicht

[Generatoren]: Einführung

[Generatoren]: Fibunacci-Folge

[Generatoren]: Next-Funktion

[Generatoren]: Generatorlisten

Generatoren

[Generatoren]: DefaultDict-Modul

[Generatoren]: Random-Modul

[Generatoren]: Aufgabe

Random-Modul

[Generatoren]: Musterlösung

[Generatoren]: Zusammenfassung

Datenstrukturen

[Datenstrukturen]: Kapitelübersicht

[Datenstrukturen]: Einführung

[Datenstrukturen]: Set-Struktur

[Datenstrukturen]: Queue-Struktur

[Datenstrukturen]: Priority Queue Struktur

[Datenstrukturen]: Aufgabe

[Datenstrukturen]: Musterlösung

Datenstrukturen

[Datenstrukturen]: Zusammenfassung

Fortgeschrittene Objekte

[Fortgeschrittene Objekte]: Kapitelübersicht

[Fortgeschrittene Objekte]: Zahlen

[Fortgeschrittene Objekte]: Das Math-Modul

Fortgeschrittene Zahlen

[Fortgeschrittene Objekte]: Zusammenfassung Zahlen

[Fortgeschrittene Objekte]: Strings

Fortgeschrittene Strings

[Fortgeschrittene Objekte]: Zusammenfassung Strings

[Fortgeschrittene Objekte]: Listen

Fortgeschrittene Listen

[Fortgeschrittene Objekte]: Zusammenfassung Listen

[Fortgeschrittene Objekte]: Dictionaries

Fortgeschrittene Dictionaries

[Fortgeschrittene Objekte]: Zusammenfassung Dictionaries

[Fortgeschrittene Objekte]: Sets

Fortgeschrittene Sets

[Fortgeschrittene Objekte]: Zusammenfassung Sets

[Fortgeschrittene Objekte]: Aufgabe

[Fortgeschrittene Objekte]: Musterlösung

Fortgeschrittene Module

[Fortgeschrittene Module]: Kapitelübersicht

[Fortgeschrittene Module]: Collections-Modul

[Fortgeschrittene Module]: Counter

[Fortgeschrittene Module]: DefaultDict

[Fortgeschrittene Module]: OrderedDict

[Fortgeschrittene Module]: Namedtuple

[Fortgeschrittene Module]: Python Debugger Modul

[Fortgeschrittene Module]: Geopy

[Bonus]: Fehler beheben

[Fortgeschrittene Module]: StringIO Modul

[Fortgeschrittene Module]: Zusammenfassung

Collections Modul

Strings fortgeschritten

[Strings fortgeschritten]: Kapitelübersicht

[Strings fortgeschritten]: upperlower & endsstartswith

[Strings fortgeschritten]: strip()-Funktion

[Strings fortgeschritten]: find()-/replace()-Funktion

[Strings fortgeschritten]: Formatierung

[Strings fortgeschritten]: Daten sortieren

[Strings fortgeschritten]: Aufgabe

[Strings fortgeschritten]: Musterlösung

[Strings fortgeschritten]: Zusammenfassung

Fortgeschrittene Strings

Funktionsparameter

[Funktionsparameter]: Kapitelübersicht

[Funktionsparameter]: Parameter übergeben

[Funktionsparameter]: Primitive Datentypen vs. Datenstrukturen

[Funktionsparameter]: Variable Parameter Teil 1

[Funktionsparameter]: Variable Parameter Teil 2

[Funktionsparameter]: Variable Parameter Teil 3

[Funktionsparameter]: Lambda Funktionen

[Funktionsparameter]: Aufgabe

[Funktionsparameter]: Musterlösung

[Exkurs]: Permutationen Kombinatorik

Funktionsparameter

[Funktionsparameter]: Zusammenfassung

Webcrawling

[Webcrawling]: Kapitelübersicht

[Webcrawling]: Einführung

[Webcrawling]: Hinweis: HTML-Editor

[Webcrawling]: HTML Teil 1

[Webcrawling]: Requests

[Webcrawling]: Beautiful soup

[Webcrawling]: Zusammenfassung Teil 1

[Webcrawling]: Projekt Teil 1

[Webcrawling]: Projekt Teil 2

[Webcrawling]: Zusammenfassung Teil 2

[Webcrawling]: HTML Teil 2

[Webcrawling]: HTML Teil 3

[Webcrawling]: HTML Übersicht

[Webcrawling]: Datenextraktion Teil 1

[Webcrawling]: Datenextraktion Teil 2

[Webcrawling]: Objektorientierung

[Webcrawling]: Aufgabe

[Webcrawling]: Musterlösung

[Webcrawling]: CSV File Reading Library

[Webcrawling]: CSV-Export

[Webcrawling]: Excel Power Query

[Webcrawling]: Hinweis: Chrome Driver

[Webcrawling]: Chrome Driver

[Webcrawling]: Wordcloud

[Webcrawling]: Aufgabe Wordcloud

[Webcrawling]: Lösung Wordcloud

[Webcrawling]: Exkurs: Umfangreiches Crawling-Projekt

Module Webcrawling

[Webcrawling]: Zusammenfassung Teil 3

Reguläre Ausdrücke

[Regex]: Kapitelübersicht

[Regex]: Einführung

[Regex]: Teil 1: Grundlagen

[Regex]: Teil 2: Reguläre Ausdrücke entwickeln

[Regex]: Teil 3: Compile-Funktion

[Regex]: Hinweis: Regexr.com

[Regex]: Teil 4: Regexr in unserem Code

[Regex]: Teil 5: Zahlen und Währungen

[Regex]: Teil 6: Sonderzeichen

[Regex]: Aufgabe 1

[Regex]: Aufgabe 1 Lösung

[Regex]: Teil 7: Datumsangaben

[Regex]: Teil 8: Datetime-Modul

[Regex]: Teil 9: E-Mail-Verifizierung

[Regex]: Teil 10: URLs

[Regex]: Aufgabe 2

[Regex]: Aufgabe 2 Lösung

Regular Expressions

[Reguläre Ausdrücke]: Zusammenfassung

IDEs: Entwicklungsumgebungen

[IDEs]: Einführung

[Jupyter IDE]: Übersicht

[Jupyter IDE]: Funktionen

[Jupyter IDE]: Markdown Befehle

[Jupyter IDE]: Hinweis: Mathematische Schreibweise

[Jupyter IDE]: Mathematische Schreibweise

[Jupyter IDE]: Hinweis: MiKTeX & Pandoc

[Jupyter IDE]: MiKTeX & Pandoc

[Jupyter IDE]: Zusammenfassung

[Jupyter Widgets]: Interaktive Notebooks Teil 1

[Jupyter Widgets]: Interaktive Notebooks Teil 2

[Jupyter Widgets]: Interaktive Widgets verstehen

[Jupyter Widgets]: Interaktive Visualisierungen & Widgets

[Jupyter Widgets]: Push-Button programmieren

[Jupyter Widgets]: Zusammenfassung

[PyCharm]: Einführung

[PyCharm]: Installation & Download

[PyCharm]: Die Benutzeroberfläche

[PyCharm]: Der erster Code

[PyCharm]: Einstellungen & Module

[Spyder]: Teil 1

[Spyder]: Teil 2

[IDEs]: GitHub & Git

[IDEs]: Ressourcen - Python & Stackoverflow

Laufzeitmessung

[Timeit]: Einführung

[Timeit]: Laufzeit ermitteln Teil 1

[Timeit]: Laufzeit ermitteln Teil 2

[Timeit]: Laufzeit ermitteln Teil 3

[Timeit]: Zusammenfassung

Laufzeitmessung

Matplotlib I

[Matplotlib I]: Einführung

[Matplotlib I]: Grafiken zeichnen

[Matplotlib I]: Anzeigemodi

[Matplotlib I]: Subplots

[Matplotlib I]: Diagramme speichern

Matplotlib 1

[Matplotlib I]: Beschriftungen

[Matplotlib I]: Achsenbereiche

[Matplotlib I]: Mehrere Graphen

Matplotlib 2

[Matplotlib I]: Schleifen

[Matplotlib I]: Dictionaries

[Matplotlib I]: Maßeinheiten

Matplotlib 3

[Matplotlib I]: Zusammenfassung

Pandas & Data Frames

[Pandas]: Einführung

[Pandas]: Excel-Daten einlesen 1

[Pandas]: Excel-Daten einlesen 2

[Pandas]: Excel Daten filtern

[Pandas]: Excel Diagramm zeichnen

[Pandas]: Excel Spalten berechnen

Pandas 1

[Pandas]: Excel Iterative Funktionen

[Pandas]: Excel Arbeitsreiter

[Pandas]: Zusammenfassung Teil 1

[Pandas]: Access-/CSV-Dateien einlesen

[Pandas]: Datenfilterung erweitert

[Pandas]: Sortierung

[Pandas]: Visualisierungen

[Os]: Ordner einlesen

[Os]: Ordner auswählen

[Os]: Exkurs: Excel-Datei erstellen aus Python-Code

[Os]: Dateien automatisch umbenennen

[Pandas]: Aufgabe COVID-19 Impfungen

[Pandas]: Musterlösung COVID-19 Impfungen

[Os]: Ordnerinhalte auflisten

Pandas 2

Pandas 3

Pandas 4

Pandas 5

Pandas 6

[Pandas]: Zusammenfassung Teil 2

Matplotlib II

[Matplotlib II]: Fortgeschrittene Möglichkeiten

[Matplotlib II]: Farben anpassen

[Matplotlib II]: Linientypen anpassen

[Matplotlib II]: Punkte zeichnen

[Matplotlib II]: Achsenbeschriftung

[Matplotlib II]: Säulendiagramm 1

[Matplotlib II]: Säulendiagramm 2

[Matplotlib II]: Balkendiagramme

Mehr dazu im Visualisierungskurs!

[Matplotlib II]: Zusammenfassung

Seaborn Data Science

[Seaborn]: Kapitelübersicht

[Seaborn]: Visualisierungsstil optimieren

[Seaborn]: Gallerie

[Seaborn]: Setup & Datasets

[Seaborn]: Die ersten Data Science Plots

[Seaborn]: KDE, Pair, Pair Plot

[Seaborn]: Wiederholung Konfiguration

[Seaborn]: Barplot & Countplot

[Seaborn]: Boxplot & Violinplot

[Seaborn]: Stripplot & Swarmplot

[Seaborn]: Palette

[Seaborn]: HeatMaps

[Seaborn]: Cluster Map

[Seaborn]: Pair Grid

[Seaborn]: Facet Grid

[Seaborn]: Regression Plots

[Seaborn]: Aufgabe Boxplot Zeitreihe

[Seaborn]: Lösung Boxplot Zeitreihe

[Seaborn]: Aufgabe Korrelationsmatrix

[Seaborn]: Lösung Korrelationsmatrix

Mehr dazu im Visualisierungskurs!

[Seaborn]: Zusammenfassung

NumPy: Mathematische Berechnungen

[NumPy]: Einführung

[NumPy]: Installation & Setup

Data Science Stack

[NumPy]: Arrays 1

[NumPy]: Arrays 2

[NumPy]: Arrays 3

[NumPy]: Reshape-Funktion

[NumPy]: Indizierung 1

[NumPy]: Indizierung 2

[NumPy]: Indizierung 3

[NumPy]: Indizierung 4

NumPy 1: Grundlagen

[NumPy]: Mehrdimensionale Arrays

[NumPy]: Operationen

[NumPy]: Visualisierungen

NumPy 2: Grundlagen

[NumPy]: Informationsfunktionen

[NumPy]: Aufgabe 1

[NumPy]: Aufgabe 1 Lösung

NumPy 3: Weiterführendes

[NumPy]: Funktionsweise

[NumPy]: Modellierung Teil 1

[NumPy]: Modellierung Teil 2

[NumPy]: Initialisierung

NumPy 4: Fortgeschrittenes

[NumPy]: Mathematische Funktionen

[NumPy]: Strukturierung

[NumPy]: Aufgabe 2

[NumPy]: Aufgabe 2 Lösung

[NumPy]: Zusammenfassung

NumPy 5: Fortgeschrittenes

Machine Learning

[Machine Learning]: Kapitelübersicht

[Machine Learning]: Einführung

[Machine Learning]: Datengrundlage

[Machine Learning]: Regressionsmodell

[Machine Learning]: Aufgabe

[Machine Learning]: Musterlösung

[Machine Learning]: Datengrundlage Titanic

[Machine Learning]: Titanic-Projekt: Prediction

Machine Learning

[Machine Learning]: Exkurs: Spracherkennung

[Machine Learning]: Zusammenfassung

Data Science Projekt

[Data Science]: Kapitelübersicht

[Projekt 1]: Datengrundlage

[Projekt 1]: Einführung

[Projekt 1]: Teil 1

[Projekt 1]: Teil 2

[Projekt 1]: Teil 3

[Projekt 1]: Teil 4

[Projekt 1]: Teil 5

[Projekt 1]: Zusammenfassung (PDF)

[Projekt 2]: Datengrundlage

[Projekt 2]: Einführung

[Projekt 2]: Teil 1

[Projekt 2]: Teil 2

[Projekt 2]: Teil 3

[Projekt 2]: Teil 4

[Projekt 2]: Zusammenfassung (PDF)

Graphical user interfaces

[GUI]: Übersicht

[GUI]: Einführung

[GUI]: Interaktive Funktionen Teil 1

[GUI]: Interaktive Funktionen Teil 2

Interaktive Funktionen

[GUI]: Zusammenfassung Teil 1

[GUI]: Interaktive Widgets Teil 1

[GUI]: Interaktive Widgets Teil 2

[GUI]: Interaktive Widgets Teil 3

[GUI]: Interaktive Widgets Teil 4

[GUI]: Interaktive Widgets Teil 5

[GUI]: Interaktive Widgets Teil 6

[GUI]: Aufgabe 1

[GUI]: Aufgabe 1 Lösung

[GUI]: Aufgabe 2

[GUI]: Aufgabe 2 Lösung

Interaktive Widgets

[GUI]: Zusammenfassung Teil 2

Datumsfunktionen

[Datumsfunktionen]: Überblick

[Datumsfunktionen]: Grundlagen

[Datumsfunktionen]: Datumsberechnungen

[Datumsfunktionen]: Datumsformatierung

[Datumsfunktionen]: Zeitdifferenzen

[Datumsfunktionen]: Visualisierungen + Datum

[Datumsfunktionen]: Daten einlesen + Datum

[Datumsfunktionen]: Aufgabe

[Datumsfunktionen]: Musterlösung

Datumsfunktionen

[Datumsfunktionen]: Zusammenfassung

Modultests

[Modultests]: Einführung

[Modultests]: Code: Modultest durchführen

[Modultests]: Doctest

[Modultests]: Unittest

Modultests

[Modultests]: Zusammenfassung

OpenCV: Computer Vision

[OpenCV]: Kapitelübersicht

[OpenCV]: Einführung

[OpenCV]: Installation

[OpenCV]: Bilder einlesen

[OpenCV]: Farbkanäle

[OpenCV]: Schwarz-Weiß-Darstellung

[OpenCV]: Interne Funktionsweise

[OpenCV]: Interne Speicherung & dtype unit8

[OpenCV]: Bildhelligkeit

[OpenCV]: Konstraste

[OpenCV]: Die rectangle()-Funktion

[OpenCV]: Face recognition Teil 1

[OpenCV]: Hinweis zum Classifier

[OpenCV]: Face recognition Teil 2

OpenCV: Computer Vision

[OpenCV]: Zusammenfassung

PyQt

[Qt]: Einführung

[Qt]: Link zum Download

[Qt]: Download & Installation

[Qt]: Hinweis Packages

[Qt]: Packages

[Qt[: Erste PyQt-Desktopanwendung

[Qt[: Workflow

[Qt[: Codes konvertieren

[Qt]: Qt Widgets Übersicht

[Qt]: Qt Designer Teil 1

[Qt]: Qt Designer Teil 2

[Qt]: Qt Designer Teil 3

[Qt]: Qt Designer Teil 4

[Qt]: Funktionen erstellen

[Qt]: Workflow optimieren: OOP Vererbungen

[Qt]: Eingabefelder

[Qt]: Projekt: BIP-pro-Kopf-Rechner

[Qt]: Ergebniszahlen

[Qt]: C++ Schreibweise

[Qt]: Datentypen

[Qt]: Bilddateien

[Qt]: Tabellen Teil 1

[Qt]: Tabellen Teil 2

[Qt]: Tabellen Teil 3

[Qt]: Tabellen Teil 4

[Qt]: Hinweis: Qt Documentation

[Qt]: Qt Documentation

[Qt]: Zellen auswählen

[Qt]: Dateien einlesen Teil 1

[Qt]: Dateien einlesen Teil 2

[Qt]: Widgets einfügen

[Qt]: Daten speichern

[Qt]: Weiterführendes

Flask Webframework

[Flask]: Kapitelübersicht

[Flask]: Einführung

[Flask]: Setup

[Flask]: HTML Übersichtstemplate

[Flask]: HTML Teil 1

[Flask]: HTML Teil 2

[Flask]: HTML Teil 3

[Flask HTML]: Übersicht Grundstruktur

[Flask]: CSS Teil 1

[Flask]: CSS Teil 2

[Flask]: Hinweis: Tools

[Flask]: Übersicht Tools

[Flask]: Installation & Setup

[Flask]: Erstes Programm

[Flask]: CSS einbinden

[Flask]: Datenstrukturen

[Flask]: Exkurs: Jupyter-IDE

[Flask]: Vorlagen (Templates)

[Flask]: Jinja 2

[Flask]: Vererbungskonzept

[Flask]: Stylesheets einbinden

[Flask]: Seitenwechsel

[Flask]: CSS Stylesets

[Flask]: Dekoratoren & Parameter

[Flask]: Eingabeformulare

[Flask]: Eingaben verwalten

[Flask]: Datentyp Dictionary

[Flask]: Klassen und Methoden

[Flask]: Weitere Objekte

[Flask]: Weitere Shortcuts

[Flask]: Tabellen Teil 1

[Flask]: Tabellen Teil 2

[Flask]: Dekoratoren Teil 1

[Flask]: Dekoratoren Teil 2

[Flask]: Dekoratoren Teil 3

[Flask]: Dekoratoren Teil 4

[Flask]: Flask vs. Django

[Flask]: Ausblick

[Flask Dekoratoren]: Zusammenfassung

Python 2 vs. Python 3

[Python 2 vs. 3]: Einführung

[Python 2 vs. 3]: Print-Anweisung

[Python 2 vs. 3]: Divisionen Integer

[Python 2 vs. 3]: Umlaute

[Python 2 vs. 3]: Unicodes

[Python 2 vs. 3]: Range()-Funktion

[Python 2 vs. 3]: Round()-Funktion

Python 2 vs. 3

[Python 2 vs. 3]: Zusammenfassung

Power BI: Visuals programmieren

[Power BI]: Einführung

[Power BI]: Python einrichten

[Power BI]: Datentransformierung

[Power BI]: Python Visuals Grundlagen

[Power BI]: Python Visuals Graphen zeichnen

[Power BI]: Python Visuals verwalten

[Power BI]: Mehrere Graphen zeichnen

[Power BI]: Python Visuals Säulendiagramme

[Power BI]: Python VIsuals Kreisdiagramme

[Power BI]: Python Visuals Data Frames

[Power BI]: Python Visuals Seaborn

[Power BI]: Machine Learning Python

Q&A: Teilnehmerfragen beantwortet!

[Pandas]: .xlsx-Datei einlesen oder xlrd-Modul?

[Os]: Ordner einlesen & DataFrames automatisiert generieren

Abschließende Worte

Vielen Dank für Dein Vertrauen!

Weitere Lernmöglichkeiten für Dich!


Reviews

W
Waled30 May 2021

i have seen many online courses before but none of them explained python as EXCELLENT as this course.

F
Florian19 April 2021

Ich bin jetzt bis zum Kapitel 8 gekommen und finde den Kurs echt super. Der Kurs ist sehr gut strukturiert und mir gefällt es, dass in jedem Kapitel ein Quiz vorhanden ist. Auf Fragen habe ich immer schnell eine Antwort bekommen. Die fünf Sterne hat sich der Kurs auf jeden Fall verdient. Würde mich auf jeden Fall noch freuen, wenn nach diesem Kurs noch themenvertiefender Kurs, bei dem sich z.B. der Schwerpunkt Data Science oder Machine Learning genommen wird, der auf diesen Kurs aufbaut. Ist auf jeden Fall weiterzuempfehlen an alle die sich für das Thema Python interessieren.

B
Benjamin11 April 2021

Der Kurs hat mir einen sehr guten Einstieg in Python gegeben und das mit einer unglaublich hohen Qualität!

J
Jürgen10 April 2021

Der Dozent kennt sich super in diesem Themengebiet aus! Es ist ein sehr umfangreicher Kurs, womit keine Fragen offen bleiben, danke.


3736092

Udemy ID

12/29/2020

Course created date

4/10/2021

Course Indexed date
Bot
Course Submitted by