- Vertiefung in Data Science, Machine Learning, AI und Künstliche Intelligenz
- Toolchain für Data Scientists: Python, Git, UNIX, GitHub und Coding Best Practices
- Überblick über Rollenprofile, Use Cases und Verantwortlichkeiten für angehende Data Scientists im AI-Kontext
- Einführung in kollaboratives Arbeiten mit Git Workflows für produktionsnahe Data Science-Projekte
Data Analysis Methoden & Exploratory Techniques
- Effiziente Datenaufbereitung mit Pandas, Numpy und SQL für Data Science
- Exploratory Data Analysis zur Hypothesenbildung und Mustererkennung
- Visualisierung und Dashboarding für datenbasierte Entscheidungsunterstützung
- EDA-Projekt mit Fokus auf Business Cases und Data Science Storytelling
Machine Learning für professionelle Data Scientists
- Supervised Learning mit Fokus auf Modellinterpretierbarkeit und Skalierbarkeit
- Evaluierung, Feature Engineering, Cross-Validation und Ensemble Techniken
- Modell-Optimierung für produktionsreife Anwendungen in Data Science Workflows
- Teamprojekt mit Git-getriebener Entwicklung durch ein Data Scientist-Team und Stakeholder-Präsentation
Advanced AI & Deep Learning Anwendungen
- Umgang mit unstrukturierten Daten: Clustering, NLP, Zeitreihen
- Entwicklung neuronaler Netze mit Tensorflow, Keras und Transfer Learning
- Einsatz von AI-Frameworks in realen Data Science Workflows
- Künstliche Intelligenz und Automatisierung für Data Scientist-gesteuerte Innovationen
Capstone-Projekt & Data Product Thinking
- Eigenständige Entwicklung eines End-to-End Data Science Produkts durch angehende Data Scientists
- Agile Methoden zur Umsetzung komplexer datenbasierter Projekte
- Berücksichtigung von AI-Ethik, Data Governance und Business Impact für Data Scientists
- Finale Präsentation vor technischen und nicht-technischen Entscheidungsträgern
Der Kurs bietet eine umfassende Vertiefung in Data Science, Data Analysis und Machine Learning für angehende Data Scientists.