- Erforschen von Grundlegendes Wissen über Data, Data Science, Machine Learning und AI
- Erläuterung der Verantwortung des Data Scientist innerhalb datenbasierter Organisationen
- Einrichtung von Python, Git, GitHub und UNIX für die Data Science Projekte
- Zusammenarbeit mit fortschrittlichen Data-Tools und gewohnten Abläufen für Data Scientists
Datenanalyse und Visualisierung durch Python
- Durchführung von Explorative Datenanalyse (EDA) mit Pandas, Numpy sowie SQL
- Datenaufbereitung, umwandeln und visualisieren mithilfe von Plotting Libraries
- Business-fokussierte Dateninterpretation und Reinigungstechniken für Data Science
- EDA-Projekt mit Fokus auf Präsentation für nicht-technische Teilnehmer durch Data Scientist Teams
Machine Learning für den Bereich Data Science
- Überwachtes Lernen: Klassifikation, Regression, Ensemble-Methoden im Data Science Kontext
- Feature Engineering, Modellauswertung sowie Optimierungsmethoden
- Verwendung von Machine Learning Algorithmen in realistischen Szenarien durch Data Scientists
- Mini-Projekt zu AI-gesteuerten Vorhersagen für Data Scientist Initiativen
Deep Learning und AI Frameworks
- Unüberwachtes Lernen, Clustering, Dimensionenreduzierung sowie Zeitreihenanalysen
- Neuronale Netze, Convolutional Neural Networks und Transfer Learning
- NLP-Methoden und Frameworks wie Tensorflow und Keras
- Nutzung von Künstliche Intelligenz in skalierbaren Data Science Projekten
Abschlussprojekt in Data Science
- Durchführbarer Weg eines kompletten Data Science Projekts in Teams
- Einsatz agiler Ansätze für die gesamte Projektplanung und Realisierung
- Entwicklung eines datengetriebenen Prototyps mit AI-Komponenten
- Präsentation der Resultate mit Schwerpunkt auf Daten, AI und Geschäftsrelevanz