- Überblick über Data Science, Machine Learning, AI und Künstliche Intelligenz
- Technische Grundlagen mit Python, UNIX, Git & GitHub für Data Scientists
- Verständnis der Data Scientist Rolle in projektbasierten Arbeitsumgebungen
- Zusammenspiel von Tools und Methoden für datengetriebene Data Science Entwicklung
Analytische Methoden & Exploratory Data Analysis
- Verarbeitung großer Data Sets mit Pandas, Numpy und SQL für den Einsatz durch Data Scientists
- Datenbereinigung, Transformation und Exploration zur Mustererkennung
- Visualisierung und Kommunikation von Analyseergebnissen durch Data Scientist Teams
- EDA-Projekt mit Stakeholder-Präsentation und Business-Bezug im Data Science Kontext
Machine Learning im Data Science Projektkontext
- Umsetzung von Supervised Learning Algorithmen (Regression, Klassifikation)
- Evaluierung und Optimierung von Modellen für reale Anwendungsfälle
- Projektarbeit im Team zur Entwicklung datenbasierter AI-Lösungen
- Einsatz von Ensemble-Methoden, Feature Engineering und Modellinterpretation für Data Scientists
AI & Deep Learning Frameworks für Data Scientists
- Arbeiten mit Tensorflow, Keras, Transfer Learning und NLP
- Modellierung mit neuronalen Netzen für strukturierte und unstrukturierte Daten
- Unsupervised Learning, Clustering und Time Series Forecasting
- Verbindung von AI-Technologien mit datengetriebenem Business Impact durch Data Scientists
Capstone Data Science Projekt
- End-to-End Projektentwicklung mit Git-Workflows und agilen Methoden
- Data Product Thinking: Von der Problemdefinition bis zur Präsentation durch Data Scientists
- Integration aller gelernten Data Science und AI Komponenten
- Abschlusspräsentation mit Fokus auf Data, Künstliche Intelligenz und Wertschöpfung
Data Scientists erwerben Fähigkeiten in Python, UNIX, Git und GitHub für datenbasierte Projektenwicklung und AI-Lösungen.