Zurück

Von rohen Daten bis zum Dashboard in der Cloud mit Python, Jupyter, Panel und KI

Der Workshop vermittelt, wie man kollaborativ Daten mit Python analysieren kann, welche Tools zur Verfügung stehen und wie man die Ergebnisse effektiv bereitstellen kann.

Dazu wird ein AirBnB-Datensatz verwendet, um Inserate und Bewertungen von Unterkünften innerhalb Berlins Schritt für Schritt zu verarbeiten und zu analysieren.

Dabei arbeiten wir uns durch gängige Bibliotheken zur Datenverarbeitung und -analyse mit Python sowie fortgeschrittenere Bibliotheken wie etwa Panel, um alles visuell als Web-App zur Verfügung zu stellen. Abschließend werden wir mit Langchain ein LLM einbinden, um die Möglichkeit zu geben, weitere Fragen über den Datensatz zu stellen.

Vorkenntnisse

Verständnis von allgemeiner Programmiersemantik wird benötigt.
Python-Kenntnisse sind vorteilhaft aber nicht zwingend notwendig.

Lernziele

Teilnehmende lernen

das Einlesen und Verarbeiten von Daten mit Python – inkl. Data Preparation und Data Cleaning
das Analysieren und Visualisieren von Daten mit Python – inkl. Zeitreihenanalyse, NLP und interaktive Datenplots
den Umgang mit Jupyter Notebooks
das Erstellen von Webapps aus Notebooks mit Panel
das Anbinden und Integrieren von cloudbasierten KI-Systemen

Agenda

ab 9:00 Uhr: Registrierung
10:00 Uhr: Beginn
10:00 Uhr - 11:30 Uhr: Data Analytics mit Python, Datenvisualisierung Teil 1
11:30 Uhr - 11:45 Uhr: Kaffeepause
11:45 Uhr - 13:00 Uhr: Datenvisualisierung Teil 2, Panel und LangChain
13:00 Uhr - 14:00 Uhr: Mittagspause
14:00 Uhr - 15:30 Uhr: Airbnb Analyse Teil 1
15:30 Uhr - 15:45 Uhr: Kaffeepause
15:45 Uhr - 16:45 Uhr: Airbnb Analyse Teil 2
16:45 Uhr - 17:00 Uhr: Fragen und Feedback
ca. 17:00 Uhr: Ende

Technische Anforderungen

Eine All-in-One-Plattform mit Jupyter und allen Abhängigkeiten wird gestellt. Daher benötigt ihr nur Folgendes:

Ihr benötigt einen Laptop mit Internetzugang zum Registrieren und Arbeiten auf unserem Service.
Ihr könnt die Skripte auch lokal bearbeiten und ausführen, wir stellen euch dazu eine pyproject.toml mit allen Abhängigkeiten bereit. In diesem Fall benötigt ihr außerdem:
- Eine Python 3.12 Installation mit Poetry
- Einen eigenen API-Zugang zu einem LLM-Provider

Speaker

Patrick Seifert beschäftigt sich seit seinem Wirtschaftsinformatik-Studium immer wieder mit Datenanalyse und Machine Learning, darunter besonders Predictive Maintenance und Natural Language Processing im Automotive Bereich. Bei UL Solutions ist er als Data Analytics Trainer unterwegs und arbeitet an Analyselösungen für Prüflabore in Kombination mit KI und Cloud.

Maximilian Lattka ist seit 2020 in der Python Data Analytics Community aktiv und arbeitet als Softwareentwickler bei UL Solutions. Sein Alltag dreht sich darum, neue Technologien einzusetzen, um Business-Entscheidungen durch die Auswertung von Datensätzen zu unterstützen. Darüber hinaus gibt er sein praktisches Wissen weiter, indem er Trainings im Bereich Data Analytics entwickelt und leitet.

Jetzt Tickets sichern