Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Als Data Scientist wirst du oft wichtige Informationen aus großen Textmengen extrahieren, unordentliche Daten mit Zeichenketten bereinigen oder Muster erkennen und abgleichen, um nützliche Wörter zu finden. All das gehört zum Text Mining und ist ein wichtiger Schritt, bevor du Machine-Learning-Algorithmen anwendest. In diesem Kurs lernst du anschauliche Konzepte rund um Zeichenkettenmanipulation und reguläre Ausdrücke kennen. Du erfährst, wie du Strings teilst, wieder zusammenfügst, interpolierst sowie mit regulären Ausdrücken erkennst, extrahierst, ersetzt und abgleichst. Auf dem Weg, diese Fähigkeiten zu meistern, arbeitest du mit Datensätzen wie Filmrezensionen oder gestreamten Tweets zur Meinungsbestimmung sowie mit Rohtext, der aus dem Web gescraped wurde.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Grundlagen der Zeichenkettenmanipulation
Starte deine Reise in die Welt der regulären Ausdrücke! Vom Slicen und Konkatenieren über das Anpassen der Groß- und Kleinschreibung und das Entfernen von Leerzeichen bis hin zum Suchen und Ersetzen von Strings. Du lernst, grundlegende Operationen zur Zeichenkettenmanipulation mithilfe eines Datensatzes mit Filmrezensionen zu beherrschen.
- Einführung in die Zeichenkettenmanipulation50 XP
- Erster Tag!100 XP
- Künstliche Rezensionen100 XP
- Palindrome100 XP
- String-Operationen50 XP
- Reviews normalisieren100 XP
- Zeit zum Zusammenfügen!100 XP
- Zeilen splitten oder die Zeile splitten?100 XP
- Suchen und Ersetzen50 XP
- Eine Teilzeichenfolge finden100 XP
- Wo ist das Wort?100 XP
- Verneinungen ersetzen100 XP
2
Strings formatieren
Auf deiner weiteren Reise lernst du die wichtigsten Ansätze kennen, um Strings in Python zu formatieren bzw. zu interpolieren – anhand eines Datensatzes mit Informationen, die aus dem Web gescraped wurden. Du erkundest Vor- und Nachteile der positionsbasierten Formatierung, des Einbettens von Ausdrücken in String-Konstanten und der Verwendung der Klasse Template.
3
Reguläre Ausdrücke für Musterabgleich
Zeit, die Grundlagen regulärer Ausdrücke zu entdecken! In diesem zentralen Kapitel lernst du die Basiskonzepte der Syntax regulärer Ausdrücke zu verstehen. Anhand eines echten Datensatzes mit Tweets für Sentiment-Analyse übst du Musterabgleich mit normalen und Sonderzeichen sowie mit gierigen und sparsamen Quantifizierern.
4
Fortgeschrittene Konzepte regulärer Ausdrücke
Im letzten Schritt deiner Reise lernst du komplexere Methoden des Musterabgleichs kennen: Klammern, um Strings zu gruppieren, oder um denselben Text wie zuvor erneut zu treffen. Außerdem bekommst du eine Vorstellung davon, wie Lookaround-Ausdrücke funktionieren.
Reguläre Ausdrücke in Python
Kurs
abgeschlossen
