Die Weiterbildung zum Data Analysten ist wie folgt modular aufgebaut

✅ Python

• Objektorientierte Programmierung mit Python
• Vektor- und Matrizenoperationen mit Numpy
• Datenmanipulation und -analyse mit Pandas
• Datenvisualisierung mit Matplotlib und Seaborn
• Webscraping mit Beautiful Soup
• Zeitreihen
• Explorative Datenanalyse (EDA)
• Individuelle Projektarbeit


✅ Neuronale Netze / Deep Learning

• Datenaufbereitung mit Sickit-Learn
• Binary Classification mit dem Perceptron
• Multiclass Classification mit Keras
• Multiclass Classification mit PyTorch
• Regression mit Keras
• Regression mit PyTorch
• Erklärbarkeit von Neuronalen Netzen
• Bilderkennung mit Convolutional Neural Networks
• Individuelle Projektarbeit



✅ Machine Learning und Künstliche Intelligenz

• Ausreißererkennung
• Imbalanced Data Handling
• Featureauswahl und Dimensionsreduction mit FRE und PCA
• Der Autoencoder
• Decision Trees
• Clustering mit K-Means und DBSCAN
• Hierarchische Clusteranalyse
• Ensemble Learning via Bagging, Stacking und Boosting
• Bestärkendes Lernen
• Transfer Learning
• Individuelle Projektarbeit


✅ Big Data

• Erstellen von Workflows mit KNIME, Low-Code
• Datenaufbereitung mit KNIME
• Datenvisualisierung mit KNIME
• SQL - Datenbanken (MariaDB, PostgreSQL)
• Dokumentenorientierte NoSQL - Datenbank MongoDB
• Grafische Darstellung von Daten mit MongoDB und Neo4jDB
• Datenanalyse und Visualisierung mit Orange
• Individuelle Projektarbeit


✅ Business Intelligence

• Business Intelligence mit Power BI, KNIME und Tableau
• Data Warehousing
• ETL, komplexe Transformationen vs. ELT, Data Warehouse
• ETL mit KNIME, SSIS, Pentaho
• Dimensional Modeling mit Power BI
• Data Transformation mit Power BI und Tableau
• Key Performance Indicator, KPI
• Dashboards in Business Intelligence
• Individuelle Projektarbeit



Sie erlernen die Grundlagen des Data Science Analysten (objektorientierte Programmierung, operative Datenanalyse und Visualisierungstechniken) sowie fortgeschrittene Algorithmen (in Python, in neuronalen Netzwerken und beim Maschinellem Lernen).

Sie erarbeiten sich als Data Science Analyst strukturierte und unstrukturierte Abfragesprachen, Künstliche Intelligenz Datenbanken sowie real case Business Intelligence Anwendungen.