- Grundlagen von Data, Data Science, Machine Learning, AI und Künstlicher Intelligenz
- Verständnis der Rolle des Data Scientist in datengetriebenen Organisationen
- Setup mit Python, Git, GitHub und UNIX für professionelle Data Science Datenprojekte
- Kollaboratives Arbeiten mit modernen Data-Tools und Workflows für Data Scientists
Datenanalyse & Visualisierung mit Python
- Explorative Datenanalyse (EDA) mit Pandas, Numpy und SQL - ein zentrales Werkzeug für Data Scientists
- Datenaufbereitung, Transformation und Visualisierung mit Plotting-Libraries
- Business-orientierte Dateninterpretation und Data Cleaning Methoden für Data Science
- EDA-Projekt mit Präsentation für nicht-technische Stakeholder durch Data Scientist Teams
Machine Learning für Data Scientists
- Supervised Learning: Klassifikation, Regression, Ensemble Methods im Data Science Kontext
- Feature Engineering, Modellbewertung und Optimierungsstrategien
- Einsatz von Machine Learning Algorithmen in praxisnahen Szenarien durch Data Scientists
- Mini-Projekt mit Fokus auf AI-basierte Vorhersagen für Data Scientist Anwendungen
Deep Learning & AI Frameworks
- Unsupervised Learning, Clustering, Dimensionsreduktion, Time Series
- Neuronale Netze, Convolutional Neural Networks, Transfer Learning
- NLP-Techniken und Frameworks wie Tensorflow und Keras
- Künstliche Intelligenz in skalierbaren Data Science Anwendungen
Capstone Data Science Projekt
- End-to-End Umsetzung eines realen Data Science Projekts im Team
- Nutzung agiler Methoden zur Projektplanung und Umsetzung durch angehende Data Scientists
- Erstellung eines datengetriebenen Prototyps mit AI-Integration
- Präsentation der Ergebnisse mit Fokus auf Data, AI und Business Impact
Data Scientists setzen Python, Git und GitHub ein, um kollaborative Data-Tools und Workflows effizient zu nutzen.