- Überblick über Data, Data Science, AI, Artificial Intelligence und Künstliche Intelligenz
- Vergleich von Rollen: Data Analyst vs. Data Scientist - Chancen für Quereinsteiger
- Einsatz von Python, Git, UNIX und Cloud Tools in Daten-Workflows
- Strukturierte Ansätze zur Daten-getriebenen Entscheidungsfindung
SQL als Werkzeug für Datenanalyse und Transformation
- Nutzung von SQL zur Abfrage und Umwandlung strukturierter Daten
- Kombinationen, Aggregationen und Subqueries für wesentliche Einsichten
- Erstellung von Berichten und Datenansichten für BI-Tools
- Integrieren von SQL in Data Science Arbeitsabläufe
Power BI zur Visualisierung von Daten
- Entwicklung von Dashboards und Berichten mit Power BI
- Integration mehrerer Datenquellen für wirkungsvolle Visuals
- Anwendung von DAX-Funktionen und Power Query für flexible Analysen
- Verwendung von Power BI für Business-Monitoring und Präsentationen
Anfängerleitfaden zu Data Science und Analysemethoden
- Datenexploration mit Pandas, Numpy und Visualisierungs-Tools
- Datenreinigung, Feature Engineering und einfache Vorhersagemodelle
- Verständnis grundlegender Machine Learning Prinzipien zur AI-Annäherung
- Nutzung von Künstlicher Intelligenz zur Unterstützung von Entscheidungen
Praktische Umsetzung: Einstieg in Visual Analytics
- Durchführung eines End-to-End Projekts mit SQL, Power BI und Python
- Arbeiten mit realen Datensets und Entwicklung eines Storytelling-Dashboards
- Agile Implementierung, unterstützte Teamarbeit mit Git, Präsentation für Stakeholder
- Fokus auf Daten, AI-Anwendungen und Künstliche Intelligenz in der Visualisierung