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

Mit fachlicher Unterstützung durch einen Mentor lernen Sie in dieser Weiterbildung 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 in gängigen Python-Tools und setzen diese in realitätsnahen Szenarien ein.

Nach Abschluss der Weiterbildung Python Programmierung für Data Scientists erhalten Sie ein staatlich anerkanntes Zertifikat.

Alle Inhalte des Kurses im Überblick:

Python Starter Package
  • Grundlagen der Programmierung mit Datentypen, Schleifen, Funktionen und Dictionaries verstehen
  • Datenverarbeitung und -analyse mit NumPy-Arrays durchführen
  • Automatisierung und Skripterstellung für datenbasierte Workflows anwenden

Exploratory Data Analysis (EDA)
  • Strukturierte Datenauswertung mit Pandas DataFrames durchführen
  • Visualisierungen mit Matplotlib und Seaborn erstellen
  • Daten analysieren und erste Muster sowie Zusammenhänge interpretieren

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

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

Evaluieren und Optimieren
  • Modelle mithilfe von Kreuzvalidierung und Testverfahren bewerten
  • Optimierung mittels Grid Search und Einsatz von Pipelines umsetzen
  • Geeignete Evaluationsmetriken auswählen und deren Ergebnisse interpretieren

A Deeper Dive into Data Science
  • Feature Engineering und Techniken zur Datenrepräsentation anwenden
  • Einführung in Natural Language Processing (NLP) und textbasierte Analysen
  • Vertiefte Datenaufbereitung und Nutzung fortgeschrittener Analysemethoden

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