Seminare
Seminare

Grundlagen der Statistik mit Python (Köln/Online)

Seminar - DHL Data Science Seminare GmbH

Der Kurs Grundlagen der Statistik mit Python führt in die angewandte Statistik ein. Sie erhalten eine fundierte Einführung in die grundlegenden Funktionen der Programmiersprache Python aus der Anaconda-Distribution unter der Entwicklungsumgebung Spyder mit modernen Methoden und Verfahren des Datenimports, der Datenaufbereitung, der statistischen Datenanalyse und der Präsentation von Ergebnissen. Der Lehrstoff wird unter Zuhilfenahme professioneller Didaktik durch den Wechsel von Input und anwendungsbezogenen Übungen mit Python vermittelt.

Die Übungsaufgaben erfolgen mit der Programmiersprache Python und der Entwicklungsumgebung Spyder. Durch intensives Trainieren mit ständigen Übungen und Wiederholungen anhand von über einem Dutzend Datensätzen aus den Bereichen der Markt- und Meinungsforschung, der medizinischen Forschung und der Technik/Produktion wird ein vertieftes Verständnis der statistischen Verfahren und ein sicherer Umgang mit Python sichergestellt.

Der Nutzen des Seminars besteht darin, dass durch den Kurs auch Anfänger in die Lage versetzt werden, Daten auf einem hohen Niveau analysieren und interpretieren zu können. Es werden dabei leistungsfähige Python-Pakete eingesetzt, mit denen Daten effizient ausgewertet und professionell wirkende Grafiken publikationsfertig erstellt werden können.

Feedbacks unserer Teilnehmer: https://www.provenexpert.com/dhl-data-science-seminare-gmbh/
Termin Ort Preis*
10.03.2025- 14.03.2025 online 2.666,79
10.03.2025- 14.03.2025 Köln 2.963,10 €
01.09.2025- 05.09.2025 online 2.666,79
01.09.2025- 05.09.2025 Köln 2.963,10 €

Alle Termine anzeigen

*Alle Preise verstehen sich inkl. MwSt.

Detaillierte Informationen zum Seminar

Inhalte:

Der Kurs Grundlagen der Statistik mit Python für Anfänger besteht aus einem zweitägigen Basistraining und einem dreitägigen Aufbautraining, die voneinander unabhängig besucht werden können. Im Basistraining wird in die Programmiersprache Python und in die Grundlagen zur deskriptiven Statistik und deskriptiven Auswertung von Daten eingeführt. Im Aufbautraining werden die Grundlagen der schließenden Statistik vermittelt und in die Datenanalyse mit Hilfe statistischer Tests (Signifikanztests) und in das multivariate Verfahren der Varianzanalyse zur simultanen Analyse einer Vielzahl von Mittelwerten eingeführt.

Das zweitägige Basistraining vom Python-Kurs bietet eine Einführung in die Grundfunktionen von Python und Spyder (mit Datenimport und Datenaufbereitung mit pandas), in die deskriptive Statistik (Beschreibung von Stichproben mit Häufigkeitstabellen und Zentral-, Streuungs- und Zusammenhangsmaßen) und die professionelle Darstellung von statistischen Ergebnissen mit Grafiken wie Histogramme, Balkendiagramme, Kreisdiagramme, Boxplots, Streudiagramme und Liniendiagramme, die mit seaborn und matplotlib erstellt werden.

In dem dreitägigen Aufbautraining wird in die schließende Statistik und die Anwendung von statistischen Tests (auch Signifikanztests oder Hypothesentests genannt) mit SciPy und die verschiedenen Varianten der Varianzanalyse mit statsmodels eingeführt. Die Varianzanalyse erlaubt die simultane Analyse einer Vielzahl von Mittelwerten verschiedener Einflussgrößen bzw. (Teil-) Stichproben und ist hinsichtlich Präzision und Arbeitsaufwand ein Vielfaches dem t-Test für den Mittelwertsvergleich überlegen. Die Varianzanalyse ist außerdem das Verfahren der ersten Wahl zur Evaluation von Änderungen, Maßnahmen und Interventionen und zur Auswertung von randomisierten kontrollierten Studien im Rahmen von Pretest-Posttest-Designs mit einer Kontrollstichprobe.

 

Inhalte des Basis-Trainings

  • Einführung in Python und Spyder
    • Python-Bibliotheken mit Anaconda installieren
    • Anaconda und die Entwicklungsumgebung Spyder
    • Variablen, Datentypen, Ausdrücke, Operatoren und Operanden
    • Python-Kollektionen string und list
    • Python-Skripte entwickeln und testen
  • Datenimport/-export und Datenaufbereitung mit pandas
    • Daten importieren und exportieren
    • Daten transformieren und umkodieren
    • Kategoriale Variablen erstellen
    • Daten selektieren und Subsets erstellen
  • Deskriptive Statistik mit pandas
    • Zentralmaße, Streuungsmaße und Häufigkeiten
    • Häufigkeitstabellen und Kreuztabellen
    • Erstellen von Tabellen mit deskriptiven Kennwerten
    • Korrelationen und Zusammenhangsmaße
    • Diagramme mit seaborn und matplotlib erstellen (Balkendiagramme, Kreisdiagramme, Histogramme, Boxplots, Liniendiagramme und Streudiagramme)

Inhalte des Aufbautrainings

  • Einführung in die schließende Statistik (Signifikanztests)
    • Statistisches Testen anhand von Stichproben
    • Wahrscheinlichkeitsverteilungen (Normalverteilung)
    • Hypothesentests nach Fisher und Neyman-Pearson (Signifikanztests)
    • p-Werte, Effektgrößen und Konfidenzintervalle
  • Parametrische Verfahren mit SciPy
    • z-Test und t-Test für eine Stichprobe zur Prüfung der Abweichung eines Mittelwerts von einem vorgegebenen Wert
    • t-Test zur Signifikanzprüfung des Unterschieds zweier Mittelwerte aus unabhängigen oder verbundenen Stichproben
    • Levene-Test zur Signifikanzprüfung von Varianzen und Standardabweichungen
    • Kolmogoroff-Smirnow-Test und Shapiro-Wilk-Test zur Signifikanzprüfung der Normalverteilungsannahme
    • Prüfung der Wirksamkeit von Aktionen, Maßnahmen, Interventionen und anderen Veränderungen mit t-Tests (Pretest-Posttest-Designs mit Kontrollstichprobe)
  • Nichtparametrische Verfahren mit SciPy
    • U-Test von Wilcoxon-Mann-Whitney und Wilcoxon-(Vorzeichenrang-)Test zur Signifikanzprüfung von Medianen
    • Binomialtest und exakter Test nach Fisher zur Signifikanzprüfung von Häufigkeiten
    • Kontingenzanalyse mit Chi-Quadrat-Test zur Signifikanzprüfung von Häufigkeiten einer Kreuztabelle
  • Varianzanalysen mit statsmodels
    • ein-, zwei- und mehrfaktorielle Varianzanalyse
    • Messwiederholungsdesigns und Kontrolle von Störeinflüssen
    • robuste Formen der Varianzanalyse (robuste Standardfehler nach MacKinnon & White, Test der Homoskedastizität-Annahme nach White & Breusch-Pagan)
    • t-Tests im Rahmen der Varianzanalyse (Post-hoc-Mehrfachvergleiche: Tukey HSD und Games-Howell)
    • Interaktionsanalyse (Wechselwirkungen aufgrund sich verstärkender oder hemmender Effekte)
    • Statistische Auswertung von Pretest-Posttest-Designs mit Varianzanalysen
Dauer/zeitlicher Ablauf:
2-5 Tage, 9-17 Uhr
Ziele/Bildungsabschluss:

Nutzen des Kurses: Der Nutzen des Seminars besteht darin, dass die Teilnehmer innerhalb einer Woche in die Lage versetzt werden, Daten mit Hilfe der Programmiersprache Python auf hohem Niveau aufbereiten, analysieren und visualisieren zu können. Damit dies gelingt, wird nicht nur das theoretische Hintergrundwissen vermittelt, sondern auch die praktische Anwendung und Umsetzung mit der von Experten im Bereich von Data Science und der künstlichen Intelligenz bevorzugt eingesetzten statistischen Analyse-Umgebung Python mit Spyder. Dabei werden die zurzeit leistungsfähigsten Python-Pakete zur professionellen Erstellung von publikationsfertigen Grafiken und Tabellen eingesetzt: pandasSciPystatsmodels und seaborn mit matplotlib. Damit Sie den vollen Nutzen des Seminars erfahren können, empfiehlt es sich, den kompletten Kurs mit beiden Teilkursen zu belegen.

Ziele des Kurses: Grundfunktionen der Programmiersprache Python und der Entwickungsumgebung Sypder kennenlernen, mit der interaktiven Shell IPython umgehen lernen, die Grundlagen der deskriptiven und schließenden Statistik verstehen und anwenden können, Daten importieren, aufbereiten und auswerten können, Python-Skripte erstellen und testen können, Ergebnisse von deskriptiven Auswertungen, Signifikanztests und Varianzanalysen darstellen, erläutern und interpretieren können, Grafiken mit seaborn und matplotlib erstellen können

Teilnahmevoraussetzungen:

Es werden für das Basis-Training bzw. für das Komplett-Training allgemeine Computerkenntnisse (Erfahrung in der Anwendung von Textverarbeitungs- und Tabellenkalkulationsprogrammen) und Grundkenntnisse in der Mathematik (Grundkenntnisse in der Statistik sind von Vorteil, aber nicht erforderlich) vorausgesetzt. Im Aufbau-Training werden grundlegende Fertigkeiten im Umgang mit Python und Spyder wie Datenimport, Datenaufbereitung, Grafikerstellung und die Erstellung deskriptiver Statistiken vorausgesetzt, ständig angewendet und vertieft.

Technische Voraussetzungen:

Sie nehmen an einem Live-Online-Training teil, der vom Ablauf und der Qualität unseren Präsenztrainings entspricht.  Mit der heutigen Technik kommt das Präsenz-Seminar zu Ihnen an den Arbeitsplatz bzw. ins Home-Office. Der Dozent führt in die Themen ein, beantwortet die Fragen der Teilnehmer und geht in den Übungsrunden auf jeden Teilnehmer persönlich ein. Bei Fragen oder Problemen können Sie dem Dozenten Ihren Bildschirm freigeben.

Ein Teilnehmer unserer Kurse schreibt: „Obwohl ich wegen Online Seminar sehr skeptisch gegenüber stand, kann ich dem Dozenten wirklich nur dafür gratulieren, wie gut dieser dieses Seminar umgesetzt hat. Dies könnte man wohl auch nicht besser bei einer Vorort-Schulung machen. Daher kann ich dieses Seminar nur wirklich sehr empfehlen.“ Lesen Sie weitere Rezensionen unserer Teilnehmer unter https://www.provenexpert.com/dhl-data-science-seminare-gmbh/.

Alles, was Sie brauchen, ist ein PC oder Laptop mit folgenden Merkmalen:

  • Es ist die Statistik-Software installiert, mit der der Kurs durchgeführt wird. Sie erhalten dazu nach der Anmeldung eine detaillierte Installationsanleitung.
  • Der Laptop hat Zugang zum Internet mit einer empfohlenen Bandbreite von mindestens 1-2 MBit/s.
  • Entweder installieren Sie unsere Webinar-Software oder Sie nehmen an dem Webinar mit einem Internet-Browser (Google Chrome oder Firefox) teil.
  • Testen Sie die Funktionsfähigkeit von Kamera, Mikrofon und Lautsprecher Ihres PCs/Laptops.
  • Von Vorteil wäre die Verwendung von zwei Geräten/Monitoren: Auf dem einen Gerät/Monitor (z. B. Laptop oder Tablet) sehen Sie die Präsentation des Dozenten oder Unterrichtsmaterialien. Auf dem anderen Gerät/Monitor (z. B. PC oder Laptop) können Sie parallel dazu das Gelernte direkt anwenden und Übungsaufgaben lösen.

Bei unseren Präsenzveranstaltungen in Köln wird Ihnen ein fertig eingerichteter Schulungslaptop mit gedruckten Unterlagen im Seminarraum zur Verfügung gestellt. 

Bei Inhouse-Seminaren werden Seminarraum und technische Geräte (Beamer, Leinwand, PCs/Laptops) vom Kunden zur Verfügung gestellt. Gegen Aufpreis können wir bundesweit in allen größeren Städten einen Seminarraum mit den technischen Geräten organisieren. Auf Wunsch können wir auch ein Online-Firmenseminar durchführen.

Lehrgangsverlauf/Methoden:
  • Rahmen: 2-5 Tage mit 16-40 Stunden Unterricht (täglich 8 Stunden, 9-17 Uhr)
  • Aufteilung Theorie/Praxis: 50 % Theorie + 50 % Praxis mit Übungen
Material:

Präsenztrainings

  • Seminarräume in zentraler Lage
  • Schulungslaptops mit Python/Spyder
  • gedruckte Schulungsunterlagen 
  • Getränke in den Pausen
  • ein Zertifikat mit den Schulungsinhalten


Live-Online-Trainings

  • multimedialer Online-Unterricht
  • umfangreiche Online-Materialien
  • persönliche Betreuung der Teilnehmer in den Übungsblöcken
  • ein Zertifikat mit den Schulungsinhalten
Förderung:
Bildungsurlaub, Bildungsscheck, Bildungsprämie, kein Bildungsgutschein
Zielgruppe:

Diese Weiterbildung ist sowohl für Anfänger als auch Programmierer mit wenig oder keinen Erfahrungen in Statistik, Python und der Entwicklungsumgebung Spyder konzipiert. Inhaltlich richtet sich das Python-Seminar an Anwender, Fachkräfte, Doktoranden und Studierende aus den Bereichen der Sozial- und Marktforschung, der Betriebswirtschaft (Marketing, Business Intelligence) und der psychologischen, klinischen, pharmazeutischen und biologischen Forschung.

Seminarkennung:
GSP
Nach unten
Nach oben
Wir setzen Analyse-Cookies ein, um Ihre Zufriedenheit bei der Nutzung unserer Webseite zu verbessern. Diese Cookies werden nicht automatisiert gesetzt. Wenn Sie mit dem Einsatz dieser Cookies einverstanden sind, klicken Sie bitte auf Akzeptieren. Weitere Informationen finden Sie hier.
Akzeptieren Nicht akzeptieren









Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha



Bei der Verarbeitung Ihrer personenbezogenen Daten im Zusammenhang mit der Kontaktfunktion beachten wir die gesetzlichen Bestimmungen. Unsere ausführlichen Datenschutzinformationen finden Sie hier. Bei der Kontakt-Funktion erhobene Daten werden nur an den jeweiligen Anbieter weitergeleitet und sind nötig, damit der Anbieter auf Ihr Anliegen reagieren kann.







Um Spam abzuwehren, geben Sie bitte die Buchstaben auf dem Bild in das Textfeld ein:

captcha