- Erweiterte Nutzung von Python für Data Science-Analyse und Data Pipelines
- Strukturierte Programmierung, beste Coding-Praktiken und Verwendung von Git und GitHub
- Einsatz von Libraries wie Pandas, Numpy, Matplotlib und Seaborn
- Grundlagen der AI-Workflows in der Datenwissenschaft mit Python
Datenanalyse & Visuelle Darstellung für Geschäftszwecke
- Techniken der explorativen Datenanalyse zur Vorverarbeitung und zum Verständnis großer Data Science-Datensätze
- Visualisierungserstellung für verschiedene Zielgruppen
- SQL-basierte Extraktion und Verarbeitung strukturierter Daten
- Datenethik und Strategien zur Datenbereinigung in Data Science
Maschinelles Lernen für Data Science Experten
- Implementierung von Klassifikations- und Regressionsalgorithmen
- Modelloptimierung durch GridSearch, Cross-Validation und Ensemble-Methoden
- Bewertung von Modellen anhand von Metriken
- Praktisches Machine Learning Projekt zur Lösung eines Data Science-bezogenen Geschäftsproblems
Deep Learning & Fortgeschrittene AI
- Grundlagen Neuraler Netze und Deep Learning Modellarchitekturen
- Praktische Anwendung von CNNs, RNNs, NLP und Transfer Learning
- Verwendung von Tensorflow, Keras und erweiterten AI-Modellen
- Analyse von Zeitreihen und unüberwachten Lernmethoden
Projektarbeit & Anwendung von Künstlicher Intelligenz
- Vollständiges Data Science Projekt unter Anwendung aller Tools und Konzepte
- Verwendung agiler Methoden wie Scrum und Kanban
- Analyse von Stakeholdern und Präsentation des "Data Product"
- Integration von AI und Künstlicher Intelligenz zur Steigerung des Wertes