Python Dashboard Kurs

Lektion 1 • Prinzipien des Dashboard-Designs

Führt in Layout-Hierarchie, visuelle Codierung und zielgruppenorientiertes Design ein. Verbindet Designtheorie mit praktischen Entscheidungen, die im gesamten Kurs getroffen werden.

Lektion 2 • Einrichtung der Python-Umgebung

Installieren Sie Python, konfigurieren Sie virtuelle Umgebungen und verwalten Sie Abhängigkeiten mit pip. Schafft den reproduzierbaren Arbeitsbereich, der für alle nachfolgenden Dashboard-Projekte erforderlich ist.

Lektion 3 • Wiederholung der grundlegenden Python-Syntax

Behandelt Variablen, Kontrollfluss, Funktionen und List Comprehensions auf praktischem Niveau. Stellt sicher, dass die Teilnehmer saubere, lesbare Skripte schreiben können, bevor sie Datenaufgaben angehen.

Lektion 1 • Aggregation und GroupBy-Operationen

Berechnet gruppierte Zusammenfassungen, Pivot-Tabellen und rollierende Statistiken. Generiert die aggregierten Metriken, die als KPIs und Trenddiagramme in Dashboards angezeigt werden.

Lektion 2 • Filtern, Sortieren und Slicen

Wendet boolesche Masken, loc/iloc-Indizierung und spaltenübergreifende Sortierung an. Ermöglicht dynamische Datenteilmengenbildung, die das Verhalten interaktiver Dashboard-Filter widerspiegelt.

Lektion 3 • Exportieren verarbeiteter Daten

Schreibt bereinigte DataFrames zur weiteren Verwendung in CSV, Parquet und SQLite. Etabliert Muster zur Datenpersistenz, die Dashboard-Datenpipelines unterstützen.

Lektion 4 • Laden und Inspizieren von Daten

Liest CSV-, Excel- und JSON-Dateien in DataFrames ein und profiliert deren Struktur. Etabliert die Muster zum Laden von Daten, die in jedem Dashboard-Projekt wiederverwendet werden.

Lektion 1 • Statistische Diagramme mit Seaborn

Generiert Heatmaps, Boxplots, Pairplots und Regressionsdiagramme mit Seaborn. Fügt Dashboards mit minimalem zusätzlichem Code statistischen Kontext hinzu.

Lektion 2 • Zusammensetzen von mehrteiligen Abbildungen

Ordnet mehrere Diagrammtypen mit GridSpec zu zusammenhängenden mehrteiligen Layouts an. Lässt sich direkt auf das Multi-Widget-Layout-Design übertragen, das in interaktiven Dashboards verwendet wird.

Lektion 3 • Gestaltung und Theming von Diagrammen

Wendet Style Sheets, benutzerdefinierte Farbpaletten und Typografieeinstellungen an. Gewährleistet visuelle Konsistenz zwischen statischen Mockups und endgültigen interaktiven Dashboards.

Lektion 4 • Grundlegende Diagrammtypen in Matplotlib

Erstellt Linien-, Balken-, Streu- und Histogrammdiagramme mit vollständiger Achsen- und Beschriftungskontrolle. Behandelt das grundlegende Diagrammvokabular, das in allen Dashboard-Frameworks verwendet wird.

Lektion 1 • Subplots und Facetierung

Ordnet mehrere Plotly-Diagramme in gemeinsamen Subplot-Rastern und facettierten Bereichen an. Spiegelt die Multi-Chart-Layoutmuster wider, die in Produktions-Dashboards verwendet werden.

Lektion 2 • Exportieren und Einbetten von Diagrammen

Exportiert Diagramme als HTML, PNG und SVG und bettet sie in Notebooks und Webseiten ein. Bereitet die Teilnehmer darauf vor, eigenständige interaktive Diagramme vor der vollständigen Dashboard-Bereitstellung zu liefern.

Lektion 3 • Plotly Express Schnellstart

Erstellt Streu-, Balken-, Linien- und Kartendiagramme mit einzeiligen Plotly Express-Aufrufen. Demonstriert den schnellsten Weg von einem DataFrame zu einem interaktiven Diagramm.

Lektion 4 • Interaktivitätsfunktionen

Konfiguriert Hover-Vorlagen, Klickereignisse, Bereichsregler und Animationsframes. Verwandelt statische Daten in explorierbare, benutzergesteuerte visuelle Erlebnisse.

Lektion 1 • Layout-Design und -Gestaltung

Wendet CSS-Klassen, Inline-Styles und Dash Bootstrap Components für responsive Layouts an. Produziert professionelle, mobilfreundliche Dashboard-Oberflächen.

Lektion 2 • Mehrseitige Dash-Anwendungen

Implementiert Seiten-Routing, gemeinsame Navigationsleisten und seitenbezogene Layouts in Dash. Skaliert einseitige Prototypen zu vollständigen mehrteiligen Dashboard-Anwendungen.

Lektion 3 • Dash-Anwendungsstruktur

Erläutert das App-Objekt, den Layout-Baum und die Serverkonfiguration für eine minimale Dash-App. Etabliert das strukturelle Muster, dem jedes nachfolgende Dash-Projekt folgt.

Lektion 4 • Dash Core- und HTML-Komponenten

Verwendet dcc- und html-Module, um Dropdowns, Schieberegler, Diagramme und Textelemente hinzuzufügen. Baut die interaktive UI-Schicht, die Benutzer im Browser sehen und bedienen.

Lektion 1 • Datenvalidierung und Fehlerbehandlung

Wendet Schema-Validierung, try/except-Blöcke und Fallback-Datensätze auf Pipeline-Fehler an. Verhindert defekte Dashboards, wenn Upstream-Datenquellen ausfallen oder sich ändern.

Lektion 2 • Verbindung zu SQL-Datenbanken

Fragt relationale Datenbanken mit SQLAlchemy und pandas read_sql ab. Ersetzt statische CSV-Dateien durch live datenbankgestützte Datenquellen in Dashboards.

Lektion 3 • Abrufen von Daten aus REST-APIs

Verwendet die requests-Bibliothek, um REST-Endpunkte aufzurufen und JSON-Antworten zu parsen. Ermöglicht Dashboards die Anzeige von Echtzeitdaten aus externen Diensten.

Lektion 4 • Geplante Datenaktualisierung

Implementiert dcc.Interval und APScheduler, um periodische Datenabrufe auszulösen. Hält Dashboard-Metriken aktuell, ohne manuelle Seitenneuladungen zu erfordern.

Lektion 1 • Benutzerdefinierte Dash-Komponenten

Erstellt wiederverwendbare React-basierte Komponenten und paketiert sie für die Verwendung in Dash-Apps. Erweitert die Dash-Komponentenbibliothek, um spezifische Anforderungen an die Geschäfts-UI zu erfüllen.

Lektion 2 • Benutzerauthentifizierung und Zugriffskontrolle

Implementiert Anmeldeabläufe, Sitzungs-Tokens und rollenbasierte Ansichtsbeschränkungen in Dash. Schützt sensible Geschäftsdaten vor unbefugtem Dashboard-Zugriff.

Lektion 3 • Caching und Memoization

Wendet Flask-Caching und functools.lru_cache auf rechenintensive Datenabfragen und Transformationen an. Reduziert die Datenbanklast und beschleunigt wiederholte Dashboard-Interaktionen.

Lektion 4 • Umgang mit großen Datensätzen

Verwendet serverseitige Paginierung, Datenvirtualisierung und Dask für Datensätze, die nicht in den Speicher passen. Ermöglicht Dashboards, reaktionsfähig zu bleiben, wenn das Datenvolumen die Speichergrenzen überschreitet.

Lektion 1 • Automatisierte Tests für Dashboards

Schreibt Unit-Tests für Callbacks und End-to-End-Tests mit Dash Testing und Selenium. Fängt Regressionen vor der Bereitstellung ab und setzt Qualitätsstandards für Dashboards durch.

Lektion 2 • Reverse-Proxy- und HTTPS-Setup

Konfiguriert Nginx als Reverse-Proxy mit TLS-Terminierung vor dem Dash-Server. Sichert den Dashboard-Verkehr und ermöglicht benutzerdefiniertes Domain-Routing in der Produktion.

Lektion 3 • Überwachung und Observability

Instrumentiert Dashboards mit strukturiertem Logging, Metrik-Endpunkten und Alarmierungsregeln. Bietet operative Transparenz über den Dashboard-Zustand und das Benutzerverhalten in der Produktion.

Lektion 4 • Containerisierung von Dash-Anwendungen

Paketiert Dash-Apps in Docker-Images mit reproduzierbaren Umgebungen und Einstiegspunkten. Ermöglicht konsistentes Deployment in Entwicklungs-, Staging- und Produktionsumgebungen.