- Vertiefung von Konzepten und Techniken der Datenwissenschaft und Datenanalyse
- Kenntnisse in Datenwissenschaft, maschinellem Lernen, Deep Learning und Python erweitern
- Datenmodellierung und Datenvisualisierung einbeziehen
Grundlagen der Datenwissenschaft und Python
- Einführung in Datenwissenschaft, Anwendungen und Karrierewege als Datenwissenschaftler
- Python-Programmierung speziell für Datenwissenschaft
- Basiskenntnisse in Python-Syntax, Datentypen, Funktionen und wichtigen Bibliotheken wie NumPy und Pandas
- Einstellung der Python-Entwicklungsumgebung und Nutzung von IDEs
Git und GitHub für Datenwissenschaft
- Verwendung von Git zur Versionskontrolle
- Setzen von Repositorys und Handhabung von Änderungen und Verzweigungen
- Kollaboration mit GitHub, inklusive Pull-Anforderungen und Code-Versionierung
Basiswissen über AI für Datenwissenschaftler
- Verständnis der Künstlichen Intelligenz und maschinellen Lernens
- Unterscheidung zwischen schmaler und allgemeiner KI
- Einblick in Algorithmen und Anwendungen des maschinellen Lernens
- Praktische Erprobung von einfachen KI-Modellen