Diese Weiterbildung vermittelt umfassendes Wissen im Bereich Data und Machine Learning. Du lernst die Grundlagen der Datenverarbeitung und Programmierung, mathematische und statistische Konzepte sowie die Anwendung von Data Science und Machine Learning in der Praxis kennen.

Grundlagen der Datenverarbeitung
  • Datenrepräsentation (Binär, Hex, Datentypen, Speicher)
  • Zeichencodierung (ASCII, Unicode, Base64)
  • Boolesche Logik und Operationen
  • Dateien, Pfade und Datenformate
  • Datenübertragung (URI/URL, Protokolle)
  • Sicherheit und Effizienz (Kompression, Verschlüsselung, Hashing)

Python Programmierung
  • Programmiergrundlagen: EVA-Prinzip, Interpreter, Pseudocode
  • Python-Einführung: Versionen, Paradigmen, Einsatz und Tools
  • Variablen, Datentypen und Operatoren (Strings, Zahlen)
  • Kontrollstrukturen: if/else, boolesche Logik
  • Schleifen und Datenstrukturen: Listen, Tupel, Dictionary
  • Funktionen und Fehlerbehandlung (Scopes, try/except)

Mathematische und statistische Konzepte
  • Grundlagen: Zahlen, Rechenarten, Potenzen, Modulo
  • Operatorregeln (Klammern, Distributiv-, Kommutativgesetz)
  • Funktionen, Mengen und Tupel
  • Logik: Aussagen- und Prädikatenlogik
  • Statistik: Mittelwerte, Streuung, Normalverteilung
  • Stochastik: Wahrscheinlichkeit, Korrelation, bedingte Wahrscheinlichkeiten

Data Science und ethische Aspekte
  • Statistik
  • Integration von Data Science im Unternehmen
  • CRISP-DM-Vorgehensmodell
  • Bias und vertrauenswürdige KI
  • Ethik und Fairness in KI-Systemen
  • Instrumentarien zur Risiko(folge)abschätzung

Machine Learning
  • Einführung in maschinelles Lernen
  • Datenaufbereitung und Feature Engineering
  • Überwachtes und unüberwachtes Lernen
  • Modelltraining und Evaluierung
  • Einführung in neuronale Netze
  • Praxisprojekt