forked from marko-knoebl/slides
-
Notifications
You must be signed in to change notification settings - Fork 4
Expand file tree
/
Copy pathpython-topics-de.html
More file actions
122 lines (120 loc) · 3.86 KB
/
Copy pathpython-topics-de.html
File metadata and controls
122 lines (120 loc) · 3.86 KB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
<!doctype html><html lang="en"><head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<meta http-equiv="X-UA-Compatible" content="ie=edge">
<link rel="stylesheet" href="https://cdnjs.cloudflare.com/ajax/libs/twitter-bootstrap/4.3.1/css/bootstrap-reboot.min.css">
<title>Python Kursinhalte</title></head>
<body>
<style>
body {
padding: 1rem;
}
</style>
<h1>Python Kursinhalte</h1>
<p><a href="index.html">zurück zur Übersicht</a></p>
<h2>Python Grundlagen</h2>
<p>üblicherweise 3 Tage für Programmieranfänger, 1 Tag für Programmierer mit Erfahrung in anderen Sprachen</p>
<ul>
<li>Überblick über Python und Vergleich zu anderen Programmiersprachen</li>
<li>Installation</li>
<li>Arbeiten mit der interaktiven Python-Konsole</li>
<li>Variablen und grundlegende Datentypen</li>
<li>Zusammengesetzte Datentypen: dict, list, tuple</li>
<li>Hilfe und Dokumentation</li>
<li>Builtins und die Standard Library</li>
<li>Kontrollstrukturen<ul>
<li>if / else</li>
<li>Schleifen (while, for)</li>
</ul></li>
<li>Funktionen</li>
<li>Codequalität und Linting</li>
<li>Debugging</li>
</ul>
<h2>Python Intermediate</h2>
<ul>
<li>Datentypen im Detail<ul>
<li>Strings und Stringverarbeitung</li>
<li>Bytes</li>
<li>Sequences</li>
</ul></li>
<li>Erstellen von Listen und Dictionaries mittels Comprehensions</li>
<li>objektorientierte Programmierung und Klassen</li>
<li>Fortgeschrittenes Verwenden von Kontrollstrukturen</li>
<li>Auslösen und Abfangen von Exceptions</li>
<li>Module und Pakete</li>
<li>Paketverwaltung in Python</li>
</ul>
<h2>Python in der Praxis</h2>
<ul>
<li>Arbeiten mit Dateien und Ordnern</li>
<li>Arbeiten mit verschiedenen Dateiformaten (Text, JSON, CSV, XML, ...)</li>
<li>reguläre Ausdrücke und Pattern Matching</li>
<li>Zeit und Datum</li>
<li>HTTP Client</li>
<li>Einführung in die Webentwicklung</li>
<li>Arbeiten mit SQL-Datenbanken</li>
<li>Arbeiten mit Excel Dateien</li>
<li>Grafische Benutzeroberfläche</li>
</ul>
<h2>Python Fortgeschritten</h2>
<p>üblicherweise 1 Tag</p>
<ul>
<li>Logging</li>
<li>Unittests</li>
<li>Funktionen: fortgeschritten<ul>
<li>Lambdas</li>
<li>Decorators</li>
<li>functools</li>
<li>Memoisation</li>
</ul></li>
<li>fortgeschrittene objektorientierte Programmierung<ul>
<li>Properties</li>
<li>statische Attribute und Methoden</li>
<li>magic methods</li>
<li>Vererbung</li>
</ul></li>
<li>Iterables und Iterators</li>
<li>statische Typisierung</li>
<li>fortgeschrittene Datentypen: set, namedtuple, enum</li>
<li>Parallelisierung: threads und multiprocessing</li>
</ul>
<h2>Python und Data Science 1: NumPy und pyplot</h2>
<p>üblicherweise 1 Tag</p>
<ul>
<li>Überblick über Python-Pakete für Data Science</li>
<li>Setup und Online-Versionen</li>
<li>Jupyter und IPython</li>
<li>NumPy Array Grundlagen</li>
<li>Erstellen von Arrays und Arbeiten mit Arrays</li>
<li>Plotting Grundlagen</li>
<li>Konfiguration und Styling von Plots</li>
<li>Plottypen</li>
</ul>
<h2>Python und Data Science 2: Pandas</h2>
<ul>
<li>Überblick</li>
<li>series und dataframe Objekte</li>
<li>Importieren und Exportieren von Daten</li>
<li>Abfragen von Daten</li>
<li>Statistiken zu Daten</li>
<li>Abändern von Daten</li>
<li>Behandlung fehlender Daten</li>
<li>Plotting in Pandas</li>
<li>vertiefende Themen zu Pandas: Kreuztabelle, Gruppierung, Multiindex</li>
</ul>
<h2>Python und Data Science 3: Machine Learning</h2>
<ul>
<li>Überblick über Machine Learning Methoden</li>
<li>Überblick über Aufgaben des Supervised Learning: Regression und Klassifizierung</li>
<li>Supervised Learning in scikit-learn</li>
<li>Supervised Learning in keras</li>
<li>Algorithmen für Supervised Learning<ul>
<li>Neuronale Netze</li>
<li>Lineare Regression</li>
<li>k-nearest-neighbors</li>
<li>...</li>
</ul></li>
<li>Vorbereiten von Daten</li>
<li>Validierung</li>
<li>Unsupervised Learning: Clustering</li>
</ul></body></html>