Grundlagen der Datenanalyse: Exploration, Datenaufbereitung, Datenvisualisierung (Excel, Python, Power BI/Tableau)
Statistik und Stochastik für Business Analytics und Entscheidungsunterstützung
Einführung in Machine Learning und KI: Supervised/Unsupervised Learning, Modelltraining, Beispielalgorithmen (Regression, Klassifikation)
KI-Integration in Data Analytics: Einsatz von LLMs, generativer KI und modernen Frameworks (z.B. LangChain, ChatGPT-API, Ollama) für Datenanalyse und Automatisierung
Datenmanagement: Datenbanken, SQL, Datenqualität und Datenschutz (inkl. Ethik, Fairness, Bias in KI-Systemen)
Methoden-Frameworks wie CRISP-DM, Data Pipeline Design & Deployment
Projekterstellung: Reale Use Cases, Dashboard-Entwicklung, Präsentation und Dokumentation der Analyseergebnisse
Agile Teamarbeit, Kommunikation und technische Selbstpräsentation (Portfolio, Bewerbungscoaching)