Grundlagen und Einführung
  • Erwerb von Kenntnissen im Bereich Data Science durch Grundlagen neuronaler Netze
  • Einführung in Machine Learning
  • Wissenserweiterung mit Fokus auf Data Science durch Einführung in Unsupervised Machine Learning
  • Einführung in Pandas und Dataframes
  • Kenntnisse in Data Science, insbesondere durch Einführung in PyTorch
  • Einführung in Faker-Bibliothek

Datenaufbereitung und Exploration
  • Datenreinigung mit Bezug zu Data Science
  • Erzeugung synthetischer Daten
  • Erweiterte Kenntnisse im Bereich Data Science durch Datenskalierung
  • Datenvisualisierung geographischer Daten
  • Matplotlib Stylesheets
  • Datenvisualisierung

Statistische Methoden und Modelle
  • Grundlegende statistische Kenngrößen sowie Anwendung in Data Science
  • Lineare Regression
  • Kenntnisse im Bereich Data Science durch multiple Regression
  • Polynom-Regression
  • K-fache Kreuzvalidierung
  • Bestimmtheitsmaße

Maschinelles Lernen und neuronale Netze
  • K-nearest-neighbor-Klassifizierung mit Fokus auf Data Science
  • Decision Trees
  • Kenntnisse aus Data Science zur Signalübertragung in neuronalen Netzen
  • Aktualisierung der Gewichte
  • Backpropagation
  • Praxisarbeit: Programmierung neuronales Netzwerk