Python IV - Data Science und Machine Learning
cimdata Bildungsakademie GmbH · Berlin
Förderung
Dieser Kurs ist förderfähig:
- Bildungsgutschein – Bis zu 100 % Kostenübernahme durch Agentur für Arbeit oder Jobcenter. Die Bewilligung ist eine Ermessensentscheidung der Behörde (AZAV-Voraussetzung).
Über den Kurs
Der Kurs führt systematisch in Machine Learning ein: von mathematischen Grundlagen und SQL über Supervised und Unsupervised Learning mit Scikit-learn bis hin zu neuronalen Netzen, Deep Learning und Natural Language Processing.
Lerninhalte
<p>Der Kurs führt systematisch in Machine Learning ein: von mathematischen Grundlagen und SQL über Supervised und Unsupervised Learning mit Scikit-learn bis hin zu neuronalen Netzen, Deep Learning und Natural Language Processing. Feature Engineering, Validierungsverfahren und Anomalieerkennung bilden den methodischen Unterbau; Ethik und Bias im Kontext des EU AI Acts runden den Kurs ab.</p><p>Inhalte:<br/>Datenbanken & Mathematik<br/></p><ul><li>Relationale Datenbanken: Datenbankkonzepte, Tabellenstrukturen und Beziehungsmodelle verstehen</li><li>Fortgeschrittene SQL-Queries: Subqueries, Joins, Window Functions und komplexe Aggregationen</li><li>Mathematik für Data Science: lineare Algebra, Wahrscheinlichkeitsrechnung und Optimierungsgrundlagen</li><li>Gradientenmethode: mathematisches Prinzip hinter dem Training von ML-Modellen</li></ul><br/><p>Machine Learning Grundlagen & Algorithmen<br/></p><ul><li>Einführung in Machine Learning: Konzepte, Lernparadigmen und typische Einsatzszenarien</li><li>Machine Learning mit Scikit-learn: ML-Pipelines aufbauen, trainieren und evaluieren</li><li>Supervised Learning: Klassifikations- und Regressionsalgorithmen im Vergleich</li><li>Unsupervised Learning: Clustering-Verfahren und Dimensionsreduktion ohne Labels</li></ul><br/><p>Modelloptimierung & Validierung<br/></p><ul><li>Ausreißer- & Anomalieerkennung: Methoden zur Identifikation von Datenpunkten außerhalb der Norm</li><li>Validierungs- und Normalisierungsverfahren: Overfitting vermeiden und Modelle vergleichbar machen</li><li>Feature Engineering: relevante Merkmale aus Rohdaten ableiten und für ML-Modelle aufbereiten</li></ul><br/><p>Deep Learning & Anwendung<br/></p><ul><li>Neuronale Netze: Aufbau, Training und Aktivierungsfunktionen im Überblick</li><li>Deep Learning: mehrschichtige Architekturen für komplexe Aufgabenstellungen</li><li>Natural Language Processing: Textverarbeitung, Tokenisierung und sprachbasierte Modelle</li><li>Ethik und Bias in Data Science: Fairness, Transparenz und verantwortungsvoller Einsatz von ML-Modellen</li></ul><br/><p>Ihr erlerntes Wissen werden Sie in praktischen Projekten mit fachlicher Unterstützung anwenden.</p>
Bewertungen (0)
Häufige Fragen zu „Python IV - Data Science und Machine Learning“
Ist „Python IV - Data Science und Machine Learning“ förderfähig?
Ja. Für diesen Kurs kommen folgende Förderungen in Betracht: Bildungsgutschein. Die konkrete Bewilligung klärst du mit der jeweiligen Förderstelle (z. B. Agentur für Arbeit oder Jobcenter).
Was kostet „Python IV - Data Science und Machine Learning“?
Die Kosten können über einen Bildungsgutschein der Agentur für Arbeit oder des Jobcenters bis zu 100 % gefördert werden. Die genauen Konditionen nennt dir der Anbieter.
Welchen Abschluss erhalte ich bei „Python IV - Data Science und Machine Learning“?
Nach erfolgreichem Abschluss erhältst du: Zertifikat.
In welcher Lernform findet „Python IV - Data Science und Machine Learning“ statt?
Die Weiterbildung wird in folgender Lernform angeboten: Hybrid.