- Grundlagen von Data Science, AI und Machine Learning mit Fokus auf Data Analysis.
- Verstehen Sie die Rolle von Data Scientists im Kontext datengetriebener Innovation.
- Setup-Training mit Python, UNIX und Git für kollaborative Data Analysis-Workflows.
- Überblick über moderne AI-Tools zur Unterstützung analytischer Prozesse.
Data Handling & Data Analysis Tools
- Verwendung von Pandas, NumPy und SQL für strukturierte Data Analysis.
- Verarbeitung großer Datenmengen zur Vorbereitung auf tiefergehende Data Analysis.
- Erstellung von Visualisierungen zur Ergebnisinterpretation.
- Explorative Data Analysis mit Fokus auf Datenqualität, Ethik und Insights.
Supervised Machine Learning Methoden
- Modelltraining mit Klassifikations- und Regressionsalgorithmen für präzise Data Analysis.
- Bewertung von Modellen durch Metriken wie Accuracy, Precision und Recall.
- Einsatz von Ensemble-Techniken zur Performance-Verbesserung.
- Projektarbeit zur Anwendung von Data Analysis auf reale Business-Fragestellungen.
Deep Learning Tools & Unsupervised Learning
- Arbeiten mit unstrukturierten Daten und Time-Series für fortgeschrittene Data Analysis.
- Dimensionality Reduction und Clustering für Mustererkennung.
- Einführung in Deep Learning Frameworks (Tensorflow, Keras) im Kontext von Data Analysis.
- NLP, CNNs und Transfer Learning mit Fokus auf komplexe Datenprobleme.
Capstone-Projekt & Agile Umsetzung
- End-to-End-Projekt mit Anwendung von Data Analysis-Techniken auf reale Business Cases.
- Integration agiler Methoden zur Planung und Durchführung.
- Nutzung von Projektmanagement-Tools zur Strukturierung des Data Analysis Lifecycles.
- Stakeholder-Präsentation der Ergebnisse mit Fokus auf AI und Data-Strategie.
Im Kurs werden Data Science tools und Data Analysis Methoden für datengetriebene Innovationen und reale Business-Anwendungen umfassend behandelt.