Python praxisnah einsetzen: Von Automatisierungsaufgaben, Datenanalysen bis hin zu künstlicher Intelligenz
1 Einführung und imperative Programmierkonzepte:
- Warum Python?
- Beispiel-Programm
- Welche Datentypen hat Python?
- IDE
- Installation und Einrichtung
- Sprachelemente
- syntaktische Grundlagen
- Beispielanwendungen aus der Praxis wie z. B. Messauswertung
2 Komplexe / sequentielle Datenstrukturen:
- Call by Object
- Listen
- Tupel
- Sets und Dictionaries
- Verarbeitung großer Datenmengen
- Ausnahmebehandlung und Dateizugriffe
- Beispielanwendungen aus der Praxis
3 Modularisierung, Bibliotheken und Einführung in die objektorientierte Programmierung:
- Namensräume
- eigene Module
- Standardbibliotheken in Python
- Objektorientierte Programmierung und -modellierung
- UML
- inkl. Anwendungsprogrammierung
4 GUI- und Datenbankprogrammierung:
- GUI-Programmierung, Entwerfen von Benutzerschnittstellen
- Grafiken und Animationen programmieren (Anwendungsprogrammierung)
- Qt-Anwendungen
- SQL
- Arbeiten mit Datenbanken u. a. SQLite
- umfangreiche Beispielprogrammierungen
5 Data Science und KI:
- Datenanalyse mittels Python u. a. pandas, scipy, scikit-learn
- DecisionTreeClassifier
- Einführung in Jupyter Notebooks
- Datenvisualisierung am Beispiel einer konkreten Praxisanwendung z. B. Stromverbrauchsdatensatz
- Predicitive Maintenance mit scikit-learn
- Machine Learning mit Keras und Tensorflow z. B. Prognose von Stromverbrauchsdaten