Strukturierte Datenverarbeitung ist die Grundlage für Machine Learning-Projekte. Im Kurs Machine Learning stehen automatisierte Datenpipelines im Fokus - von der Harmonisierung über die Transformation bis zur gezielten Bereitstellung für das Modelltraining.
Datenmodellierung mit SQLEin zentrales Werkzeug ist SQL. Behandelt werden performante Abfragen, Joins und Aggregationen, um große strukturierte Datensätze effizient für Machine Learning-Prozesse vorzubereiten und zu modellieren.
Datenvisualisierung und ReportingFür die visuelle Aufbereitung komplexer Analyseergebnisse kommt Power BI zum Einsatz. Der Kurs vermittelt den Aufbau interaktiver Dashboards und die Nutzung von DAX-Funktionen zur Darstellung datenbasierter Muster und Prognosen in verständlicher Form.
Explorative DatenanalyseEin weiterer Schwerpunkt liegt auf der explorativen Datenanalyse. Statistische Methoden unterstützen die Identifikation relevanter Merkmale und die Bewertung von Variablen - ein zentraler Schritt für wirkungsvolles Feature Engineering.
Maschinelles Lernen und ModellierungIm maschinellen Lernen selbst werden prädiktive Verfahren systematisch behandelt. Der Kurs umfasst die Modellierung für Klassifikation, Regression und Clustering sowie die algorithmische Optimierung und den gezielten Einsatz datenwissenschaftlicher Erkenntnisse in konkreten Anwendungsszenarien.