Diese Weiterbildung bietet Ihnen fundiertes Wissen in Machine Learning mit Supervised Learning und Unsupervised Learning für Data Science und Künstlicher Intelligenz (KI).
Mit individueller Unterstützung durch einen Mentor lernen Sie die zentralen Methoden aus Data Science, Machine Learning und KI kennen - und wenden diese direkt in der Praxis an.
Durch praxisorientierte Projekte, interaktive Live-Trainings und begleitete Sessions erhalten Sie direkten Zugang zu professionellen Tools und wenden diese effektiv an.
Nach Abschluss dieser Data Science Weiterbildung erhalten Sie ein staatlich anerkanntes Zertifikat.
Alle Inhalte im Überblick:
Python Starter Package- Zentrale Konzepte wie Data Types, Loops, Functions und Dictionaries sicher verstehen und anwenden
- Effiziente Datenverarbeitung mit NumPy Arrays
- Programmieren mit Fokus auf datenbasierte Analysen und Automatisierung
Exploratory Data Analysis (EDA)
- Strukturierte Datenauswertung mit Pandas DataFrames
- Erstellung aussagekräftiger Visualisierungen mit Matplotlib und Seaborn
- Datengetriebenes Storytelling und erste analytische Auswertungen
Machine Learning - Supervised Learning
- Grundlagen der Modellierung mit Scikit-Learn und linearen Regressionsverfahren
- Einsatz von Decision Trees, Random Forests und Ensemble-Algorithmen
- Verständnis neuronaler Netze und Einstieg in Deep Learning
Machine Learning - Unsupervised Learning
- Anwendung von Principal Component Analysis (PCA) zur Dimensionsreduktion
- Clusteranalysen mit k-Means und DBSCAN
- Erste Grundlagen der Bildverarbeitung im Rahmen unüberwachter Lernverfahren
Evaluieren und Optimieren
- Modellbewertung mit Kreuzvalidierung und systematischer Testung
- Optimierung durch Grid Search und Nutzung von Pipelines
- Auswahl und Interpretation geeigneter Metriken zur Evaluation
A Deeper Dive into Data Science
- Techniken des Feature Engineerings und der Datenrepräsentation
- Einführung in Natural Language Processing (NLP)
- Vertiefte Kenntnisse in Datenaufbereitung und fortgeschrittener Analyse
Lernen mit dem XDi
- Arbeiten an praxisrelevanten, virtuellen Data-Science-Projekten
- Individuelle Begleitung durch Mentoren
- Erstellung eines Portfolios für Bewerbungsprozesse
- Karriereservices wie Bewerbungstrainings und persönliche Beratung
- Lerninhalte in Form von Artikeln, Videos und digitalen Materialien
- Selbsttests und Quizzes zur Überprüfung Ihres Lernfortschritts
- Live Trainings und interaktive Sessions zur Vertiefung und Anwendung
- Austausch mit anderen Teilnehmenden in einer aktiven Lern-Community
- Strukturierte Retrospektiven zur nachhaltigen Reflexion des Gelernten