Springe direkt zum Inhalt

Sie sind hier:

Inhalt

Kursübersicht – Details

Fachkurs: 22IF-T42 Gezielte Daten-Visualisierung mit Python am Beispiel von CO2-Emissionen

Voraussetzungen: Grundkenntnisse in Python

Teilnehmerinnen: 12

Credit Point (ECTS): 0

 

Ein Bild sagt mehr als tausend Worte.  Mit jeder Sekunde wächst die globale Menge an Daten an. Um möglichst viele Informationen aus den Daten ziehen zu können, braucht es gute Visualisierungsmöglichkeiten. Im Data Science Bereich ist Python sehr weit verbreitet, wenn es um die Verarbeitung und Analyse von Daten geht, und bietet dementsprechend Visualisierungs-Frameworks wie Sand am Meer. Die vielen Möglichkeiten können schnell unübersichtlich werden. Wir möchten daher Licht ins Dunkle bringen, indem wir die zugrundeliegenden Funktionsweisen der bekanntesten Frameworks kennenlernen sowie anwenden. Im Workshop wollen wir diese in einem Dashboard miteinander in Beziehung bringen.

Python bietet sowohl statische als auch interaktive Frameworks zur Datenvisualisierung. Wir werden uns diese anschauen, ihre Vorzüge beleuchten und auch konkret darauf eingehen, für welche Use-Cases sie am geeignetsten sind.

Nachhaltigkeit spielt in unserer heutigen Zeit eine immer größere Rolle, weshalb wir uns in diesem Workshop mit spannenden Daten zum Thema CO2-Emissionen beschäftigen werden.

Am Ende des Workshops seid ihr sicher im Umgang mit dem von euch erstellten Dashboard, könnt damit herumexperimentieren und seid in der Lage, mögliche Optimierungspotenziale zu identifizieren. Außerdem habt ihr einen Überblick über die in Python verfügbaren Visualisierungsmöglichkeiten und könnt das für euren Use-Case passende Framework anwenden.

Kategorie

  • Tageskurs

Datum

05.08.2022

Ort

Albert-Ludwigs-Universität Freiburg
Freiburg

DozentIn

M.Sc. Melanie Maßmann

arbeitet seit Oktober 2021 als BI Consultant bei scieneers in Hamburg und beschäftigt sich mit Projekten zur effizienten Nutzung und Visualisierung von Daten. Sie begeistert, dass Wissen generiert aus Daten eine enorme Effizienzsteigerung und somit ein nachhaltigeres Wirtschaften ermöglicht. Ihr Bachelorstudium in Wirtschaftsingenieurwesen an der FH Wedel beendete sie in einem Big-Data-Projekt eines Unternehmens mit einem Requirement Engineering für das Produkt- und Qualitätsmanagement. In ihrem Masterstudium Produktionstechnik und -management an der HAW Hamburg spezialisierte sie sich in Richtung Digitalisierung, u.a. mit einem Projekt zur energieeffizienteren Produktion im Hinblick auf die Verwendung von Daten. In ihrer Masterarbeit bildete sie den Wertstrom einer medizintechnischen Produktion in Microsoft Power BI für eine schnellere Erkennung von Engpässen und Potenzialen ab.

Florence Lopez, M.Sc.

absolvierte an der Eberhard Karls Universität Tübingen erst den Bachelor in Kognitionswissenschaften und dann den Master in Informatik, mit einem Schwerpunkt auf Machine Learning und Deep Learning. Während der Masterarbeit in der Industrie beschäftigte sie sich mit der Quantisierung Neuronaler Netze, die für die Objekterkennung in autonomen Fahrzeugen genutzt werden. Seit September 2020 arbeitet sie als Data Scientist bei scieneers in Karlsruhe und wirkte dort sowohl an einem non-profit Projekt über Citizen Science mit, als auch in einem Forschungsprojekt zur Predictive Maintenance bei der EnBW. Dabei ist es ihr wichtig, die Nachhaltigkeit und gesellschaftlichen Auswirkungen konzipierter Lösungen stets zu beachten, sowie neugierig und offen gegenüber neuen Technologien zu sein.

Preis für Berufstätige

€ 120,00

Preis für Teilzeitkräfte bis 50%

€ 60,00

Ermäßigter Preis / Reduced price

€ 20,00

Preis für Berufstätige 20% Rabatt / Price for professionals (20% discount)

€ 96,00

Genaue Kurszeiten:

Fr 05.08.
09.00 - 10.30
11.00 - 12.30
14.00 - 15.30
16.00 - 17.30

Mögliche Zahlungsarten

  • Zurzeit ist Zahlung nur per Rechnung möglich. / Payment possible only by invoice

Zielgruppen

  • Arbeitssuchende
  • Berufstätige
  • Schülerinnen - Kursstufe
  • Studentinnen

Veranstalter

Netzwerk F.I.T (if)

Freie Plätze

12

Anmeldung / Registration

anmelden / enroll


Zur Übersicht

Kurs per Email empfehlen
mehrere Empfänger werden durch Komma getrennt
dieses Feld dient zur Abwehr von Spam