Die Teilnehmenden erwerben praktische Kenntnisse in Machine Learning und Datenvisualisierung zur Anwendung in der Datenwissenschaft.
Praxisnahe Datenanalyse und Exploration- Datenquellen identifizieren, extrahieren und für Analysen aufbereiten
- Explorative Datenanalyse zur Erkennung von Mustern und versteckten Zusammenhängen durchführen
- Statistische Methoden zur fundierten Dateninterpretation anwenden
Anwendungsbezogenes Machine Learning
- Überwachtes und unüberwachtes Lernen zur Modellierung von Daten einsetzen
- Klassifikations-, Regressions- und Clustering-Algorithmen in realen Szenarien nutzen
- Modelle evaluieren und optimieren, um Vorhersagegenauigkeit zu steigern
Effektive Visualisierungstechniken für Data Science
- Interaktive Dashboards erstellen, um Analyseergebnisse verständlich zu präsentieren
- Datenvisualisierung nutzen, um komplexe Zusammenhänge klar darzustellen
- Best Practices zur Anpassung und Optimierung von Diagrammen anwenden