Der Kurs vermittelt den vollständigen Data-Science-Workflow mit Python: von Datenbereinigung und explorativer Analyse über statistische Methoden bis zur Visualisierung mit Pandas, NumPy, Matplotlib und Seaborn. Im zweiten Teil geht es um Dateninfrastruktur: ETL-Pipelines mit Apache Airflow, verteilte Verarbeitung mit Apache Spark sowie Einordnung von Data Lakes und Data Warehouses in reale Unternehmensarchitekturen. Der Kurs setzt Python-Grundkenntnisse voraus und richtet sich an Personen, die gezielt in Richtung Datenanalyse oder Data Engineering wechseln möchten.

Inhalte:
Grundlagen & Arbeitsweise

  • Aufgaben und Arbeitsabläufe eines Datenwissenschaftlers: Rollen, Verantwortlichkeiten und typische Projektphasen im Überblick
  • Datenvorverarbeitung & Bereinigung: Umgang mit fehlenden Werten, Ausreißern und inkonsistenten Datenformaten
  • Datenerkundung & Datenanalyse: explorative Techniken zum Verstehen von Struktur, Verteilung und Zusammenhängen in Datensätzen

Datenverarbeitung & Statistik

  • Datenverarbeitung mit Pandas & NumPy: effiziente Tabellenoperationen, Aggregationen und numerische Berechnungen
  • Statistik für Datenwissenschaftler: deskriptive Statistik, Wahrscheinlichkeiten und statistische Tests
  • Zeitreihenanalyse: Trendberechnung, Saisonalität und Prognosemodelle auf zeitabhängigen Daten
  • Regressionsmodelle: lineare und nichtlineare Regression zur Vorhersage quantitativer Zielgrößen

Datenquellen & Visualisierung

  • Datenquellen: Einbindung von Dateien, Webservices und Web-Scraping in den Analyseprozess
  • Datenvisualisierung & Präsentation: Diagramme und interaktive Darstellungen mit Matplotlib, Seaborn und Marimo-Notebooks
  • Data Storytelling: Analyseergebnisse strukturiert aufbereiten und für unterschiedliche Zielgruppen verständlich kommunizieren

Big Data & Infrastruktur

  • Big-Data-Herausforderungen: Volumen, Geschwindigkeit und Varietät von Daten sowie bewährte Lösungskonzepte
  • MapReduce-Algorithmus: verteilte Datenverarbeitung verstehen und auf große Datensätze anwenden
  • ETL-Pipelines mit Apache Airflow: Datenpipelines automatisieren, planen und überwachen
  • Data Lakes & Data Warehouses: Architekturen für strukturierte und unstrukturierte Datenhaltung im Vergleich
  • Einführung in Apache Spark: Grundkonzepte verteilter Berechnungen und erste Anwendungsfälle

Ihr erlerntes Wissen werden Sie in praktischen Projekten mit fachlicher Unterstützung anwenden.