CSBootcampHSG

Python · Selbststudium · HSG

Versteh den CS-Kurs wirklich.

Ein unabhängiger, interaktiver Bootcamp mit originalen Aufgaben, ehrlichen Erklärungen und Python direkt im Browser — ohne Installation, im eigenen Tempo. Jede Lektion bereitet dich auf genau die Stolperfallen vor, auf die HSG in den Quizzes wirklich abzielt.

Funktionen startenDirekt zum Quiz 03

Kursüberblick

  1. Lektion 01Bald verfügbar

    Wie ein Computer rechnet

    Wie ein Computer Daten darstellt, was eine Programmiersprache ist und wie aus deinem Code Maschinensprache wird.

  2. Lektion 02Bald verfügbar

    Python-Grundlagen und Kontrollfluss

    Erste Zeilen Python: Variablen, Zahlen, Strings, `if`/`else`, `for`/`while` und ein erster Blick auf Funktionen.

  3. Lektion 03Verfügbar

    Funktionen

    Definiere Funktionen sauber, verstehe Parameter, Defaults und Rückgabewerte – und lerne die Stolperfallen, die in Quiz 03 geprüft werden.

  4. Lektion 04Verfügbar

    Rekursion, Higher-Order und Datenstrukturen

    Rekursion sauber denken (Basisfall + Rekursivfall), Higher-Order-Funktionen mit map/filter/sorted und Lambdas, dazu der Unterschied zwischen Liste, Dict und Set. Wenn du das im Schlaf hast, sind Quiz 04 und das Assignment routine.

  5. Lektion 05Verfügbar

    Klassen und Objektorientierung

    Klassen schreiben, `__init__`, Methoden, `self`, Vererbung mit `super()`, `__str__` vs `__repr__` und der `@property`-Decorator. Damit fällst du in Quiz 05 nicht über die typischen OOP-Fallen.

  6. Lektion 06Bald verfügbar

    Netzwerke und APIs

    Wie das Internet Daten transportiert: HTTP, JSON, REST-APIs ansprechen und verarbeiten.

  7. Lektion 07Bald verfügbar

    Datenbanken und SQL

    `SELECT`, `JOIN`, Aggregationen – Abfragen gegen eine lokale SQLite-Datenbank schreiben.

  8. Lektion 08Verfügbar

    Pandas — DataFrames in der Praxis

    Lade CSV-Daten in einen DataFrame, navigiere mit loc/iloc, behandle NaN sauber, gruppiere mit groupby und sortiere — die fünf Operationen, die in Quiz 08 immer wieder geprüft werden.

  9. Lektion 09Verfügbar

    Daten aufbereiten und visualisieren

    DataFrames mit `pd.merge` zusammenführen (inner/left/right/outer), gruppierte Aggregationen mit `.agg()`, CSV-Dateien sauber laden und aus dem Ergebnis ein lesbares Plot bauen — Linien, Balken, Subplots und Seaborn-Box/Regplots.

  10. Lektion 10Verfügbar

    Machine Learning I — Klassifikation und KNN

    Supervised Machine Learning, Train/Test-Split, der scikit-learn-Workflow `fit`/`predict`, K-Nearest-Neighbors einmal von Hand und einmal mit `sklearn`, sowie die Metriken Accuracy, Precision, Recall und F1.

  11. Lektion 11Verfügbar

    Machine Learning II — saubere Methodik

    Train/Validation/Test-Split mit Stratifizierung und festem Seed, leak-freies Skalieren mit `RobustScaler`, mehrere Klassifikatoren auf Trainings- und Validierungsdaten vergleichen und das beste Modell auf dem Testset berichten. Der Schritt von *funktioniert* zu *funktioniert sauber*.