- Verständnis für die Verbindung von Data Analytics, Data Science und Artificial Intelligence
- Grundlagen zu Künstlicher Intelligenz, Machine Learning und ihren Anwendungsfeldern
- Einführung in Python, Git, UNIX und kollaboratives Arbeiten mit GitHub
- Rollenverständnis von Data Scientists in datengetriebenen Organisationen
Tools & Methoden für Data Science
- Verarbeitung und Analyse strukturierter Daten mit SQL, Pandas und Numpy
- Exploratory Data Analysis zur Ableitung datengestützter Entscheidungen
- Datenbereinigung, Visualisierung und Kommunikation analytischer Erkenntnisse
- Business-orientierte Data-Aufbereitung mit Fokus auf Entscheidungsrelevanz
Supervised Learning & Machine Learning in der Praxis
- Implementierung von Klassifikations- und Regressionsmodellen zur Vorhersage
- Modellbewertung, Optimierung und Regularisierung für robuste Ergebnisse
- Einsatz von Ensembleverfahren und Stakeholder-getriebener Modellinterpretation
- Projektarbeit zur Umsetzung datengetriebener Data Science Lösungen
AI-Technologien & Unsupervised Learning
- Clustering-Ansätze, Dimensionsreduktion und Segmentierung von Data
- Zeitreihenanalyse und AI-basierte Forecasting-Methoden
- Einführung in künstliche neuronale Netze, Transfer Learning und NLP
- Praktische Anwendung von Künstlicher Intelligenz mit Tensorflow und Keras
Capstone-Projekt & datenorientierte Kommunikation
- Eigenständige Umsetzung eines Data Science Projekts im Team
- Nutzung agiler Methoden zur Strukturierung und Zielverfolgung
- Erarbeitung eines datenbasierten Business Case mit AI-Integration
- Präsentation datengetriebener Entscheidungen vor nicht-technischem Publikum
Dieser Kurs bietet ein Rollenverständnis und die Implementierung datengetriebener Data Science Methoden und Techniken.