Am Ende dieses Kurses sind die Teilnehmer in der Lage, Jupyter- und IPython-Umgebungen zu konfigurieren, professionelle Datenvisualisierungen mit Matplotlib zu erstellen, Diagramme mit NumPy zu optimieren und fortgeschrittene wissenschaftliche Plotting-Techniken anzuwenden. Zudem werden sie IPython-Funktionen wie Widgets, Magic-Befehle, Kernel und Unit-Tests beherrschen und gleichzeitig die Python-Leistung mithilfe von Profiling-Tools, Speicherzuordnung und Konvertierungen optimieren. Schließlich werden die Teilnehmer Python mit Numba und Cython beschleunigen, paralleles und verteiltes Rechnen implementieren und Visualisierungsmethoden der nächsten Generation mit Seaborn, D3.js und Julia erkunden.

Dieser Kurs vereint auf einzigartige Weise Kenntnisse vom Anfänger- bis zum Fortgeschrittenenniveau in einem optimierten Pfad. Im Gegensatz zu typischen Einführungen legt er den Schwerpunkt sowohl auf Produktivität als auch auf Leistung und ermöglicht es den Lernenden, von den Grundlagen der Einrichtung und der Grafikerstellung zu Workflows im Hochleistungsrechnen überzugehen. Durch einen praxisorientierten Ansatz und eine strukturierte Abfolge von Modulen erwerben die Teilnehmer nicht nur technisches Wissen, sondern auch die Fähigkeit, diese Werkzeuge auf reale Szenarien in den Bereichen Data Science, Forschung und Analytik anzuwenden. Ganz gleich, ob Sie als Anfänger Jupyter erkunden oder als Praktiker Ihre Arbeitsabläufe optimieren möchten – dieser Kurs vermittelt Ihnen die Fähigkeiten, datengesteuerte Anwendungen zu analysieren, zu visualisieren und zu beschleunigen.