Alle Inhalte der Weiterbildung Fortgeschrittene Data Science im Überblick:
Data Science mit Python- Einführung in Data Science und Nutzung von Python als zentrale Programmiersprache für datenbasierte Analysen
- Vermittlung grundlegender Programmierkonzepte wie Datentypen, Funktionen, Schleifen und Datenstrukturen im Data-Science-Kontext
- Durchführung numerischer Berechnungen und Datenverarbeitung mit NumPy
- Automatisierung wiederkehrender Analyseprozesse für effiziente Data-Science-Workflows
Explorative Datenanalyse im Data Science Prozess
- Strukturierte Untersuchung von Datensätzen mithilfe von Pandas und DataFrames
- Visualisierung von Analyseergebnissen mit Matplotlib und Seaborn
- Identifikation von Mustern, Trends und Zusammenhängen als Grundlage datengetriebener Modelle
- Datenbereinigung und -aufbereitung als zentraler Schritt jedes Data-Science-Projekts
Machine Learning als Kernbereich von Data Science - Supervised Learning
- Einführung in grundlegende Methoden des Machine Learning im Data-Science-Umfeld
- Arbeiten mit Regressions- und Klassifikationsmodellen für Prognosen und Entscheidungsmodelle
- Einsatz von Decision Trees, Random Forests und Ensemble-Methoden in praxisnahen Data-Science-Anwendungen
- Grundlagen neuronaler Netze sowie erste Einblicke in Deep-Learning-Modelle
Unsupervised Learning in Data Science
- Reduktion komplexer Datensätze mit Methoden wie Principal Component Analysis (PCA)
- Clustering-Verfahren wie k-Means und DBSCAN zur Strukturierung großer Datenmengen
- Erkennung verborgener Muster in Datensätzen durch unüberwachtes Lernen
- Grundlagen der Analyse strukturierter Daten und bildbasierter Datentypen
Bewertung und Optimierung von Data-Science-Modellen
- Überprüfung der Modellleistung durch Cross-Validation und strukturierte Testverfahren
- Optimierung von Hyperparametern mit Methoden wie Grid Search und Machine-Learning-Pipelines
- Auswahl geeigneter Kennzahlen zur Bewertung von Modellqualität und Prognosegenauigkeit
- Verbesserung der Stabilität und Leistungsfähigkeit von Data-Science-Modellen
Advanced Data Science & Spezialisierung
- Feature Engineering zur Verbesserung von Machine-Learning-Modellen bei komplexen Datensätzen
- Einführung in Natural Language Processing (NLP) zur Analyse von Textdaten
- Fortgeschrittene Techniken zur Datenaufbereitung, Transformation und Skalierung
- Anwendung moderner Analyse- und Modellierungsverfahren im professionellen Data-Science-Umfeld