- Verständnis für skalierbare Data-Infrastrukturen und Data Science Architekturen
- Einführung in Data Science, Machine Learning, AI und Künstliche Intelligenz
- Setup von Python, UNIX, Git & GitHub für produktionsreife Workflows
- Zusammenspiel von Tools, Prozessen und Rollen in skalierbaren AI-Systemen
Frameworks & Tools für professionelle Data Science
- Anwendung von Pandas, Numpy und SQL für große Datenmengen
- EDA-Prozesse und Data Pipelines mit Business-Fokus
- Frameworks wie Tensorflow, Keras, Scikit-learn für Machine Learning Anwendungen
- Datenvisualisierung und strukturierte Analyse mit skalierbaren Tools
Machine Learning für skalierbare Modelle
- Umsetzung von Klassifikation und Regression mit Fokus auf Produktion
- Ensemble Learning, Hyperparameter-Tuning und Modellbewertung
- Evaluierung und Deployment-Readiness von Data Science Modellen
- Projektarbeit mit Fokus auf Data Produktentwicklung
Deep Learning & Advanced AI Frameworks
- Verarbeitung großer Datensätze mit Deep Learning Strukturen
- Einführung in CNNs, RNNs, NLP und Transfer Learning
- Modelltraining mit GPU-Unterstützung via Tensorflow/Keras
- AI-gesteuerte Skalierung von Data Science Lösungen
Agile Umsetzung & Data Science Lifecycle im Projekt
- Einsatz agiler Methoden für strukturierte Umsetzung skalierbarer Projekte
- Eigenständige Entwicklung eines skalierbaren Data Science Produkts im Team
- Nutzung moderner Frameworks zur Projektsteuerung und Modell-Iteration
- Endpräsentation mit Fokus auf Business Value, AI und Data Science Impact
Dieser Kurs behandelt die Anwendung von Data Science Frameworks, um skalierbare Data Science Anwendungen mit Tools wie Tensorflow und Keras zu entwickeln.