Einführung in Data Science & Data Quality
  • Grundverständnis von Data Science, AI, Künstlicher Intelligenz und Machine Learning
  • Rolle des Data Scientist in datengetriebenen Organisationen und Qualitätsprozessen
  • Grundlagen zu Datenqualität, Datenintegrität und Datenethik im Data Science Kontext
  • Setup mit Python, UNIX, Git und GitHub zur Entwicklung professioneller Datenprozesse für Data Scientists

Tools & Techniken zur Sicherung von Datenqualität
  • Data Profiling, Data Auditing und Data Cleaning mit Pandas und Numpy
  • Verarbeitung strukturierter Daten mit SQL und Validierungstechniken durch Data Scientists
  • Erkennung und Behandlung von Anomalien und inkonsistenter Data
  • Einsatz von automatisierten Prüfregeln zur Sicherstellung der Datenkonsistenz in Data Science Projekten

Data Quality im Machine Learning Prozess
  • Einfluss der Datenqualität auf Modellperformance und AI-Ergebnisse - kritisch für jeden Data Scientist
  • Fehlermanagement, Imputation und Feature Engineering mit Fokus auf Datenqualität
  • Evaluation von Modellen in Bezug auf Datenverzerrung und Bias in Data Science Anwendungen
  • Anwendung von Data Science Methoden mit Fokus auf saubere Data für belastbare Ergebnisse

AI & Deep Learning bei hochwertiger Datenverarbeitung
  • Arbeiten mit AI Frameworks wie Tensorflow und Keras auf qualitätsgesicherten Datensätzen
  • Unsupervised Learning und Clustering durch Data Scientists bei hoher Datenqualität
  • NLP und Transfer Learning nur mit geprüfter und konsistenter Data
  • Skalierbare Anwendungen von Künstlicher Intelligenz in sauberen Data Science Umgebungen

Projektarbeit: Data Quality in Data Science Projekten
  • Planung und Umsetzung eines Projekts zur Qualitätsprüfung und -verbesserung durch Data Scientist Teams
  • Agile Umsetzung mit Versionskontrolle und Dokumentation in GitHub
  • Integration von Data Quality Strategien in den gesamten Data Science Lifecycle
  • Präsentation eines Prototyps mit Fokus auf Data, AI und Qualitätssicherung durch angehende Data Scientists

Data Scientists setzen Python und UNIX für Qualitätsprozesse ein, um die Datenqualität im Data Science Kontext zu gewährleisten.