- Grundlagenwissen in Data Science, AI, Machine Learning und Künstlicher Intelligenz
- Kenntnisse über typische Rollen und Anwendungen in Daten-getriebenen Organisationen
- Technische Basics in Python, Git, GitHub und UNIX-Shell
- Erstellung erster Python-Programme und Einstieg in moderne Data Workflows
Tools & Libraries für Data Science Praktiken
- Arbeit mit Pandas, Numpy und SQL zur Datenverarbeitung
- Durchführung von explorativen Datenanalysen für Mustererkennung und Hypothesenbildung
- Datenvisualisierung für wertvolle Einblicke und Business-Zusammenhänge
- Datenethik, Data Wrangling und Bearbeitung realer Datensätze
Wesentliche Machine Learning Konzepte
- Einführung in Supervised Learning mit Regressions- und Klassifikationsmodellen
- Verständnis für Optimierung, Modellgüte und Auswahlverfahren
- Trainingsmethoden, Cross-Validation und Ergebnisinterpretation
- Mini-Projekt mit Data Science Schwerpunkt umsetzen
AI & Deep Learning verstehen und nutzen
- Unsupervised Learning und Segmentierungsansätze im Data Science Kontext
- Grundlagen künstlicher neuronaler Netze und Transfer Learning
- Einführung in Tools wie Tensorflow, Keras und Anwendungen in NLP
- Deep Learning in Data Science Aufgabenstellungen einbinden
Data Science Projektausführung & agile Methoden
- Komplette Umsetzung eines eigenständigen Data Science Projekts
- Zusammenarbeit im Team mit Git & agilen Tools für die Projektstruktur
- Integration des Data Science Lifecycles und Präsentation an Stakeholder
- Einsatz von AI und Künstlicher Intelligenz für innovative Projekte