- Tiefe Einblicke in Data Science, Machine Learning, AI und Artificial Intelligence
- Data Science Toolchain: Python, Git, UNIX, GitHub und Coding Best Practices
- Überblick über Berufsprofile, Use Cases und Verantwortlichkeiten im AI-Umfeld für Data Scientists
- Einführung in kollaborative Git Workflows für produktionsnahe Data Science-Projekte
Methoden der Datenanalyse & Explorative Methoden
- Effiziente Datenaufbereitung mit Pandas, Numpy und SQL für Data Science und AI
- Explorative Datenanalyse zur Hypothesenentwicklung und Muster_entdeckung
- Visualisierung und Dashboarding zur datengetriebenen Entscheidungsfindung
- EDA-Projekt mit Schwerpunkt auf Business Cases und Data Science Storytelling
Machine Learning für erfahrene Data Scientists
- Supervised Learning mit Fokus auf Modellinterpretation und Skalierbarkeit
- Evaluierung, Feature Engineering, Cross-Validation und Ensemble Techniken
- Modelloptimierung für produktionsreife Data Science Anwendungen
- Teamprojekt mit Git-unterstützter Entwicklungsarbeit durch ein Data Scientist-Team und Stakeholder-Präsentation
Fortgeschrittene AI & Anwendungen im Deep Learning
- Verarbeitung unstrukturierter Daten: Clustering, NLP, Zeitreihen
- Entwicklung neuronaler Netzwerke mit Tensorflow, Keras und Transfer Learning
- Integration von AI-Frameworks in praktische Data Science Workflows
- Künstliche Intelligenz und Automatisierung driven Innovationen durch Data Scientists
Capstone-Projekt & Data Product Development
- Eigenständige Entwicklung eines umfassenden Data Science Produkts durch angehende Data Scientists
- Agile Techniken zur Steuerung komplexer datenbasierter Projekte
- Berücksichtigung von AI-Ethik, Daten Governance und Business Impact durch Data Scientists
- Finale Präsentation vor technischen und geschäftlichen Entscheidungsträgern