Die Weiterbildung vermittelt die methodischen und technischen Grundlagen der Datenanalyse und des maschinellen Lernens. Im Mittelpunkt steht die Programmiersprache Python mit den Bibliotheken NumPy, pandas, Matplotlib und scikit-learn. Behandelt werden die Schritte des Datenanalyseprozesses: Datenbeschaffung, Datenbereinigung, explorative Datenanalyse und Visualisierung. Die Teilnehmenden lernen Grundlagen der deskriptiven und schließenden Statistik sowie der Wahrscheinlichkeitsrechnung. Ein weiterer Schwerpunkt liegt auf überwachten und unüberwachten Lernverfahren wie Regression, Klassifikation und Clustering. Ergänzend werden Datenbankabfragen mit SQL, Feature Engineering, Modellbewertung und Methoden gegen Über- und Unteranpassung behandelt. Einführende Inhalte zu neuronalen Netzen und Deep Learning runden das Programm ab. In praktischen Übungen und Projekten wenden die Teilnehmenden die Inhalte auf reale Datensätze an und dokumentieren ihre Ergebnisse in Jupyter Notebooks. Vermittelt werden zudem Grundlagen des Datenschutzes und ethische Aspekte im Umgang mit Daten.