- Einführung in Data Science, Machine Learning, AI und Künstliche Intelligenz
- Rolle des Data Scientist in datengetriebenen Unternehmen und digitalen Transformationsprozessen
- Technische Basis mit Python, UNIX, Git und GitHub für angehende Data Scientists
- Kollaboratives Arbeiten in Data Science Teams mit modernen Toolchains
Praktische Methoden der Datenanalyse
- EDA mit Pandas, Numpy und SQL für explorative Analysen durch Data Scientists
- Aufbereitung, Visualisierung und Interpretation von Data im Data Science Kontext
- Data Cleaning, Outlier Handling und Feature Engineering für hochwertige Analysen
- Mini-Projekt zur Analyse realer Business-Daten mit Data Scientist Perspektive
Machine Learning in der Praxis
- Supervised Learning mit Regressions- und Klassifikationsalgorithmen
- Modelltraining, Bewertung und Optimierung mit ML-Methoden, die für Data Scientists essenziell sind
- Hands-on Projekte mit Modell-Deployment und AI-Integration
- Einsatz von Ensemble Techniques und Performance-Tuning im Rahmen von Data Science
Deep Learning & fortgeschrittene AI-Tools
- Unsupervised Learning, Clustering und Zeitreihenanalysen
- Aufbau von neuronalen Netzen mit Tensorflow & Keras für Data Scientist Workflows
- NLP, Transfer Learning und Deep AI Konzepte im Data Science Kontext
- Integration von Künstlicher Intelligenz in datenbasierte Geschäftsmodelle
Capstone-Projekt: Methoden anwenden & präsentieren
- End-to-End Projekt zur Anwendung des gesamten Data Science Wissens durch Data Scientists
- Agile Projektstruktur, Meilensteine und Git-basierte Versionierung
- Entwicklung eines Data Products mit AI-Komponenten
- Abschlusspräsentation mit Fokus auf Data Science Methoden & Business Impact
Der Kurs behandelt umfassend die Rolle und Methoden eines Data Scientist sowohl im praktischen als auch theoretischen Kontext.