- Einführung in Data, Data Science, AI, Artificial Intelligence und Künstliche Intelligenz
- Verständnis der Rolle von Data Scientists in der datengetriebenen Entscheidungsfindung
- Technisches Setup mit Python, UNIX, Git und GitHub für professionelle Data Workflows
- Einbindung analytischer Denkweisen in die Entwicklung von Data Science Projekten
Explorative Datenanalyse & Datenaufbereitung
- Analyse strukturierter Daten mit Pandas, Numpy und SQL
- Datenbereinigung, Transformation und Vorverarbeitung für datenbasierte Modelle
- Visualisierung von Data für Mustererkennung und Ergebnispräsentation
- EDA-Projekt mit Anwendung des Data Science Wissens auf reale Datensätze
Datenanalytische Methoden für Data Scientists
- Deskriptive Statistik, Korrelation, Wahrscheinlichkeitsrechnung und Hypothesentests
- Datengetriebene Insights für strategische und operative Entscheidungen
- Datenmodellierung und Feature Engineering im Analysekontext
- Nutzung von AI-Modellen zur Unterstützung analytischer Prozesse
Machine Learning & AI für tiefere Datenanalysen
- Supervised Learning für Prognosen und Klassifikationen
- Unsupervised Learning zur Segmentierung und Musterentdeckung
- Einsatz von AI Frameworks wie Scikit-learn, Tensorflow und Keras
- Integration von Künstlicher Intelligenz in datenanalytische Pipelines
Projektarbeit: Data Scientist Analyse in Aktion
- Eigenständige Durchführung einer vollständigen Data Scientist Datenanalyse
- Agiles Arbeiten im Team mit Versionierung und Stakeholder-Fokus
- Modellbildung, Visualisierung und Präsentation der Analyseergebnisse
- Fokus auf Data, AI und datengetriebene Business-Relevanz
Der Kurs deckt Techniken für Data Scientists ab, einschließlich Datenanalyse, Machine Learning und der Verwendung von AI-Frameworks wie Tensorflow und Keras.