- Einführung in Data, Data Science, AI, Artificial Intelligence und Künstliche Intelligenz
- Veranschaulichung der Funktion von Data Scientists in datenbasierter Entscheidungsfindung
- Technisches Setup mit Python, UNIX, Git und GitHub für professionelle Data Workflows
- Einbindung analytischer Denkweisen in Data Science Projekten
Erforschung und Vorbereitung von Daten
- Analyse von Data mit Pandas, Numpy und SQL
- Datenbereinigung und Transformation für datenbasierte Modelle
- Visualisierung von Data zur Mustererkennung und Ergebnisdarstellung
- EDA-Projekt zur Anwendung von Data Science Wissen
Datenanalytische Methoden und Prozesse
- Deskriptive Statistik, Korrelation und Hypothesentests
- Erschließung datengetriebener Insights für Entscheidungen
- Datenmodellierung und Feature Engineering in der Analyse
- Nutzung von AI-Modellen zur Unterstützung analytischer Tätigkeiten
Machine Learning & AI für vertiefte Analysen
- Supervised Learning für Prognosen und Klassifikationen
- Unsupervised Learning zur Segmentierung und Musterentdeckung
- Einführung in AI Frameworks wie Scikit-learn, Tensorflow und Keras
- Integration von Künstlicher Intelligenz in Datenpipelines
Projektdurchführung: Data Scientist Analyse
- Eigenständige komplette Durchführung einer Data Scientist Datenanalyse
- Agiles Arbeiten im Team mit Fokus auf Versionierung und Stakeholder
- Modellbildung, Visualisierung und Darstellung der Analyseergebnisse
- Schwerpunkt auf Data, AI und datengetriebener Business-Relevanz