- Einführung in UNIX, Git und moderne Python-Workflows
- Nutzung von Jupyter Notebooks für interaktive Python-Entwicklung
- Best Practices für strukturierte Python-Codeorganisation
- Pair Programming und Arbeiten mit kollaborativen Python-Codebasen
Datenanalyse & Frameworks für strukturierte Datenverarbeitung
- Datenmanipulation mit Python-Bibliotheken wie Pandas und NumPy
- Abruf strukturierter Daten via SQL und Python
- Visualisierung von Datensätzen für geschäftliche Entscheidungsfindung
- Explorative Datenanalyse (EDA) mit Python-Tooling
Machine Learning Frameworks für skalierbare Modelle
- Trainieren und Evaluieren von Modellen mit Scikit-Learn in Python
- Lineare Regression, Klassifikation und Entscheidungsbäume mit Python
- Einsatz von Ensemble-Methoden, Feature Engineering und Regularisierung
- Teamarbeit an ML-Projekten mit Python und GitHub
Deep Learning & KI mit TensorFlow, Keras & Co.
- Einführung in neuronale Netze mit Python-basierten Frameworks
- Erstellung von Deep-Learning-Modellen mit TensorFlow & Keras
- Nutzung von CNNs & Transfer Learning für Bild- und Textdaten
- Zeitreihenanalyse und NLP-Anwendungen mit Python
Capstone Projekt: Eigene Anwendung mit Python-Frameworks entwickeln
- Planung, Entwicklung und Deployment eines End-to-End-Projekts mit Python
- Anwendung agiler Methoden in interdisziplinären Python-Teams
- Datenmodellierung, Ergebnisanalyse und Reporting mit Python
- Vorbereitung auf Entwicklerrollen im Bereich Python, Data Science & ML
Teilnehmer lernen Python-Frameworks kennen, um Datenanalyse, Machine Learning und Deep Learning effizient mit Python zu implementieren.