- Überblick über Data Science, Machine Learning, AI und Künstliche Intelligenz
- Technische Grundlagen mit Python, UNIX, Git & GitHub speziell für Data Scientists
- Verständnis der Rolle als Data Scientist in projektorientierten Umfeldern
- Verknüpfung von Tools und Methoden zur datengetriebenen Data Science Entwicklung
Analytische Techniken & Explorative Datenanalyse
- Bearbeitung großer Datenmengen mit Pandas, Numpy und SQL für Data Scientists
- Datenbereinigung, -transformation und -exploration zur Erkennung von Mustern
- Visualisierung und Kommunikation von Analyseergebnissen durch Data Scientist Teams
- EDA-Projekt mit Präsentation und Geschäftsbezug im Data Science Rahmen
Machine Learning im Kontext von Data Science Projekten
- Durchführung von Supervised Learning Algorithmen wie Regression und Klassifikation
- Bewertung und Optimierung von Modellen für praktische Anwendungsfälle
- Projektarbeit im Team zur Entwicklung von AI-basierten datengetriebenen Lösungen
- Anwendung von Ensemble-Methoden, Feature Engineering und Modellinterpretation für Data Scientists
AI & Deep Learning Frameworks für Data Scientists
- Nutzung von Tensorflow, Keras, Transfer Learning und NLP
- Modellierung mit neuronalen Netzen für strukturierte und unstrukturierte Daten
- Unsupervised Learning, Clustering und Prognose von Zeitreihen
- Verzahnung von AI-Technologien mit wirtschaftlichem Einfluss durch datengetriebenes Handeln der Data Scientists
Capstone Data Science Projekt
- End-to-End Projektentwicklung mit Git-Workflows und agilen Ansätzen
- Data Product Thinking: Vom Problem zur Präsentation durch Data Scientists
- Integration aller erlernten Komponenten aus Data Science und AI
- Abschlusspräsentation mit Fokus auf Daten, Künstliche Intelligenz und Wertschätzung