Die Weiterbildung Python Programmierung vermittelt Grundlagen und anwendungsorientiertes Wissen in den Bereichen Data Science, Machine Learning und Künstliche Intelligenz.

Mit fachlicher Unterstützung durch einen Mentor lernen Sie in dieser Weiterbildung zentrale Methoden und Werkzeuge der Data Science kennen und wenden diese in praktischen Übungen an.

In praxisorientierten Projekten, interaktiven Live-Trainings und moderierten Sessions arbeiten Sie mit gängigen Python-Tools und setzen diese in realitätsnahen Szenarien ein.

Nach Abschluss der Weiterbildung Data Science mit Python Programmierung ferhalten Sie ein staatlich anerkanntes Zertifikat.

Alle Inhalte des Kurses im Überblick:

Python Starter Package
  • Grundlagen der Programmierung mit Datentypen, Schleifen, Funktionen und Dictionaries
  • Verarbeitung und Analyse von Daten mit NumPy-Arrays
  • Automatisierung und Skripterstellung für datenbasierte Prozesse

Exploratory Data Analysis (EDA)
  • Strukturierte Datenauswertung mit Pandas DataFrames
  • Erstellung von Visualisierungen mit Matplotlib und Seaborn
  • Datenanalyse und Interpretation erster Zusammenhänge

Machine Learning - Supervised Learning
  • Grundlagen der Modellierung mit Scikit-Learn und linearen Regressionsverfahren
  • Einsatz von Decision Trees, Random Forests und Ensemble-Methoden
  • Einführung in neuronale Netze und Deep Learning

Machine Learning - Unsupervised Learning
  • Anwendung von Principal Component Analysis (PCA) zur Dimensionsreduktion
  • Clusteranalysen mit k-Means und DBSCAN
  • Grundlagen der Bildverarbeitung im Kontext unüberwachter Lernverfahren

Evaluieren und Optimieren
  • Bewertung von Modellen mittels Kreuzvalidierung und Testverfahren
  • Optimierung mit Grid Search und Nutzung von Pipelines
  • Auswahl geeigneter Evaluationsmetriken und deren Interpretation

A Deeper Dive into Data Science
  • Methoden des Feature Engineerings und der Datenrepräsentation
  • Einführung in Natural Language Processing (NLP)
  • Vertiefte Datenaufbereitung und Anwendung fortgeschrittener Analysetechniken

Lernen mit dem XDi
  • Bearbeitung praxisnaher virtueller Data Science Projekte
  • Begleitung durch Mentoren
  • Erstellung eines Portfolios zur beruflichen Weiterentwicklung
  • Unterstützung durch Bewerbungstraining
  • Nutzung von Lernmaterialien wie Artikeln, Videos und digitalen Formaten
  • Selbsttests und Quizzes zur Überprüfung des Lernfortschritts
  • Teilnahme an Live-Trainings und interaktiven Übungen
  • Austausch mit anderen Teilnehmern in einer Lernumgebung
  • Strukturierte Retrospektiven zur Wiederholung und Festigung des Wissens