| Kursbeschreibung (description): |
Der Workshop AI230 Einführung in die Datenvisualisierung vermittelt die Grundlagen der Datenvisualisierung anhand diverser nachvollziehbarer Beispiele. Die Teilnehmer lernen verschiedene Visualisierungsformen wie Scatter Plots, Bar Charts und Violin Plots kennen und arbeiten mit Python-Bibliotheken wie matplotlib, seaborn und plotly. Darüber hinaus wird den Teilnehmern vermittelt, wie LLMs zur dynamischen SQL-Erstellung eingesetzt werden und wie Tools wie Power BI und Open-Source-Lösungen zur Anbindung an KI-Modelle verwendet werden können, um dynamische Visualisierungen zu ermöglichen. Auch die Grundlagen ansprechender Visualisierungen, wie Dos und Don'ts, sowie ihre Bedeutung für die Datenanalyse werden thematisiert.
|
|
| Zielgruppe (target group): |
|
|
| Voraussetzungen (requirements): |
|
|
| Ziele (objectives): |
Grundlagen der Datenvisualisierung erlernen, verschiedene Visualisierungsformen kennenlernen, Visualisierungsbibliotheken in Python verwenden, komplexe Sachverhalte klar darstellen können.
|
|
| Preis und Dauer (price and duration): |
Dauer (duration): 1 Tag
Schulungslänge (course length): 04:30 Stunden (inkl. Pausen)
Preis (price): 450,- Euro zzgl. MwSt.
Gerne führen wir dieses Training auch inhouse bei Ihnen vor Ort durch, bitte sprechen Sie uns an.
Eine Druckansicht dieses Workshops finden Sie hier.
|
|
| Termine (dates): |
Termine auf Anfrage.
Falls Sie einen Terminwunsch für diesen Workshop haben, werden wir dies gerne für Sie prüfen!
|
|
|
| Inhalte (agenda): |
1. Einleitung: Bedeutung der Datenvisualisierung
- Warum Datenvisualisierung entscheidend für Analyse und Machine Learning ist
- Beispiele für visuelle Darstellungen von Daten
2. Grundlagen der Visualisierung
- Einführung in verschiedene Visualisierungsformen: Scatter Plots, Bar Charts, Violin Plots
- Dos and Don'ts der Visualisierung
3. Arbeiten mit Python-Bibliotheken
- matplotlib, seaborn und plotly im Detail
- Praktische Übungen zur Erstellung von Diagrammen
4. Einsatz von LLMs zur SQL-Erstellung
- Dynamische Generierung von SQL-Abfragen mithilfe von LLMs
- Anwendungsbeispiele
5. Anbindung von Tools zur Datenvisualisierung
- Power BI und Open-Source-Lösungen (z.B. Metabase, Apache Superset)
- Anbindung an KI-Modelle zur dynamischen Datenanalyse
6. Best Practices und Prinzipien ansprechender Visualisierung
- Grundsätze effektiver Visualisierungen
- Fehlervermeidung und Tipps für eine gelungene Darstellung
7. Praktische Anwendungen und Abschlussdiskussion
- Praktische Übung zur Integration von LLMs in Visualisierungs-Workflows
- Fragen und Austausch der Teilnehmer
|
|
|
