"!Grundlagenwissen zu Data Science & AI
- Überblick über die wichtigsten Begriffe: Data, Data Science, AI, Machine Learning und Künstliche Intelligenz
- Verständnis der Rolle von Data Scientists und Einsatzgebiete von Artificial Intelligence
- Grundlagen in Python-Programmierung und UNIX-Umgebung
- Nutzung von Git & GitHub für kollaboratives Arbeiten und Codeversionierung
Datenanalyse & Datenaufbereitung
- Einführung in Exploratory Data Analysis (EDA) mit Pandas, Numpy und SQL
- Reinigung, Transformation und Analyse von Data Sets
- Erstellung aussagekräftiger Visualisierungen für Data Insights
- Projektarbeit mit Fokus auf Business Value und Datenkommunikation
Machine Learning Basics für Einsteiger
- Verständnis für Supervised Learning: Klassifikation vs. Regression
- Einsatz von Algorithmen wie Decision Trees, Logistic und Linear Regression
- Evaluierung von Modellen mit Metriken und Cross-Validation
- Erste Schritte mit Generative AI im Data Science Umfeld
Unsupervised Learning & Deep Learning Grundlagen
- Clustering und Dimensionsreduktion für unstrukturierte Data
- Einführung in Zeitreihenanalyse und Vorhersagemodelle
- Verständnis neuronaler Netze, Transfer Learning und NLP
- Arbeiten mit Tools wie Tensorflow, Keras im Kontext von AI
Capstone-Projekt und agile Methoden
- Teamarbeit an einem realen Data Science Problem von Anfang bis Ende
- Verwendung von Scrum und agilen Arbeitsweisen
- Präsentation der Ergebnisse vor technischen und nicht-technischen Stakeholdern
- Anwendung der Data Science Lifecycle mit Fokus auf Business Impact
Teilnehmer lernen Data-Konzepte, um Datenanalyse und Machine Learning mit Python, Pandas und Tensorflow besser zu verstehen und anzuwenden.