Im Anschluss an diese Maßnahme können Sie in Bereichen wie Data Science, Machine Learning und Projektmanagement tätig werden. Sie erlernen, wie man große Datenmengen analysiert und das Wissen durch Techniken des Machine Learning und Deep Learning nutzt. Sie entwickeln Modelle und Algorithmen, um Daten in wertvolle Erkenntnisse zu verwandeln. Außerdem sind Sie fähig, Projektmanagementtools effektiv einzusetzen und Erfahrungen mit Plattformen wie TensorFlow zu sammeln, um datengetriebene Projekte zu realisieren.

Grundlagen Big Data und Datenanalyse
  • Einführung in Machine Learning
  • Datenreinigung
  • Einführung in Pandas und Dataframes
  • Datenvisualisierung
  • Datenvisualisierung geographischer Daten

Fortgeschrittene Datenanalyse
  • Datenquellen verbinden und importieren
  • Arbeiten mit Power Query
  • Berechnungen mit DAX-Ausdrücken
  • Interaktive Dashboards gestalten
  • Filter und Kontext verstehen

Statistische Methoden
  • Grundlagen der Statistik
  • Mittelwert, Varianz und Standardabweichung
  • Verteilungen in der Statistik
  • Wahrscheinlichkeitsrechnung
  • Korrelation und lineare Regression

Predictive Modeling & Deep Learning
  • Stichproben und Konfidenzintervalle
  • Einführung in Neuronale Netze
  • Arten des Machine Learning
  • Entwicklung eines Machine-Learning-Systems
  • Datenvorbereitung für Machine Learning

Reinforcement Learning
  • Einführung in Reinforcement Learning
  • Agenten und Umgebungen
  • Markov-Entscheidungsprozesse (MDP)
  • Q-Learning und SARSA
  • Deep Reinforcement Learning

Machine-Learning-Tools & -Techniken
  • Installation und Einrichtung von TensorFlow
  • Grundlegende Verwendung von TensorFlow
  • Analyse von Machine Learning in TensorFlow
  • Erstellen von FCN- und CNN-Modellen mit Keras
  • Verwendung von Keras

Qualitätssicherung in Software
  • Software Testing und Qualitätssicherung
  • Versionsverwaltung
  • Continuous Integration und Continuous Delivery
  • Operationen der Versionsverwaltung
  • Agiles Arbeiten mit Git

Projektmanagement-Tools & -Integration
  • Einführung in andere Projektmanagement-Tools (z.B. Trello, Asana, JIRA)
  • Vergleich und Auswahl des richtigen Tools für das Projekt
  • Zusammenarbeit und Kommunikation in Projektmanagement-Tools
  • Überwachung und Steuerung des Projektfortschritts
  • Berichterstattung und Analyse in MS Project

Neuronale Netze und Architektur
  • Grundprinzipien und Architektur von neuronalen Netzen
  • Mathematische Grundlagen neuronaler Netze
  • Aktivierungsfunktionen und ihre Bedeutung
  • Grundlagen des Trainings von neuronalen Netzen
  • Herausforderungen und Best Practices beim Training neuronaler Netze

Deep Learning Methoden
  • Convolutional Neural Networks (CNN) und Faltungsschichten
  • Rekurrente neuronale Netze für variable Datenstrukturen
  • Regularisierung und Vermeidung von Overfitting
  • Bewertung von Modellen
  • Grundlagen des Deep Learning

Eigenschaften des Learning
  • Zero-Shot, One-Shot, Few-Shot Learning
  • Chain-of-Thought (CoT) Prompting
  • Interaktive & iterative Prompts
  • Effektive Prompts erstellen
  • Adaptive Prompt-Optimierung

Power BI Expertise
  • Einführung in Power BI
  • Integration von Projektmanagement-Tools mit anderen Softwarelösungen
  • Kontinuierliche Berichtsoptimierung
  • Operationen der Versionsverwaltung
  • Interaktive Dashboards gestalten

TensorFlow & Keras Tipps
  • Allgemeine Tipps und Tricks zu TensorFlow
  • Backpropagation: Grundlagen und Anwendung
  • Regularisierung und Vermeidung von Overfitting
  • Implementierung von Reinforcement Learning mit Python
  • Training und Auswahl eines Vorhersagemodells