Data Scientists handhaben die Aufarbeitung und Analyse von Daten und können anhand komplexer Datenmuster Modellierungen zur Vorhersage von Businessszenarien erstellen. Der Lehrgang erläutert daher zunächst die Anforderungen von Daten und Datenbanken, die Data Warehouse-Modellierung und den ETL-Prozess, außerdem die Datenanalyse sowie deren Programmierung, Visualisierung und Management im Big Data Kontext. Als weiterer Schwerpunkt werden die zentralen Aufgaben des Machine Learnings und Deep Learnings vorgestellt: von den Grundlagen des maschinellen Lernens, den Kategorien überwachtes und unüberwachtes Lernen über das Thema Evaluierung und Verbesserung bis hin zu den Methoden des Deep Learnings auf Basis von neuronalen Netzen. Im Kurs lernst du außerdem, wie Reinforcement Learning als Lernmethode Software durch den direkten Austausch mit ihrer Umwelt in Form von Versuch und Irrtum trainiert, um optimale Ergebnisse zu erzielen.

Data Engineer
  • Grundlagen Business Intelligence, Data Engineering
  • Anforderungsmanagement Data Engineer
  • Künstliche Intelligenz (KI) im Arbeitsprozess
  • Datenbanken
  • Data Warehouse
  • ETL
  • Projektarbeit Data Engineer
Data Analytics
  • Einführung Datenanalyse
  • Wiederholung Grundlagen Python
  • Datenanalyse, Data Analytics
  • Künstliche Intelligenz (KI) im Arbeitsprozess
  • Datenvisualisierung
  • Datenmanagement
  • Datenanalyse im Big Data Kontext
  • Dashboards
  • Text Mining
  • Projektarbeit Data Analytics
Machine Learning
  • Einführung in Machine Learning
  • Überwachtes Lernen
  • Unüberwachtes Lernen
  • Evaluierung und Verbesserung
  • Projektarbeit Machine Learning
Deep Learning
  • Machine Learning: Deep Learning
  • Grundlagen in neuronalen Netzen
  • Convolutional Neural Network (CNN)
  • Transfer Learning
  • Regional CNN
  • Methoden der kreativen Bilderzeugung
  • Recurrente neurale Netze
  • Textverarbeitung durch neuronale Netze
  • Sprachmodelle
  • Deep Reinforcement Learning
  • Bayes'sche neuronale Netze
  • Projektarbeit Deep Learning
Reinforcement Learning
  • Machine Learning: Reinforcement Learning
  • Markov Decision Processes (MDPs)
  • Q-Learning
  • Deep Reinforcement Learning
  • Fortgeschrittene Themen
  • Praktische Anwendungen
  • Zusammenfassung und Ausblick
  • Projektarbeit Reinforcement Learning

Änderungen möglich, die Lehrgangsinhalte werden regelmäßig aktualisiert.