In diesem nächsten Modul werden wir uns mit den am häufigsten verwendeten Tools für Data Science beschäftigen: Python und Numpy. Wir beginnen mit Numpy und machen uns mit np-Arrays und deren Hauptfunktionen vertraut. Nachdem wir uns mit dem Laden von Daten aller Art vertraut gemacht haben, werden wir einige grundlegende Techniken zur Beschreibung und Bereinigung von Daten kennenlernen. Wir werden auch lernen, mit Indizes und Spalten in Dataframes zu arbeiten. Abschließend erhalten Sie eine Einführung in die Erstellung von Diagrammen und zusammenfassenden Statistiken. Wir werden gängige Datensätze aus der Lieferkette für unsere Untersuchungen verwenden

In diesem dritten Modul werden wir unsere Pandas- und Numpy-Kenntnisse auf die nächste Stufe heben und lernen, wie wir Daten effektiv kombinieren und umgestalten können. Wir lernen, wie wir Daten durch Zusammenführungen und Pivots an unsere Bedürfnisse anpassen können. Diese Vorgehensweise wird uns dabei helfen, gängige Datenvorverarbeitungsschritte zu bewältigen, die für die Ausführung von Algorithmen für maschinelles Lernen erforderlich sind, wie z.B. die One-Hot-Codierung. Schließlich lernen wir das wichtigste Werkzeug in unserem Pandas-Arsenal kennen (Groupby-Apply-Transform) und erkunden seine transformativen Funktionen.

In diesem Abschlussprojekt werden wir verschiedene Datensätze zu Lagerkapazitäten, Produktnachfrage und Frachtraten sammeln, um die Kosten für die Produktion und den Versand von Produkten zu optimieren.