- Erhalten Sie Einblicke in den Lebenszyklus eines Data Science-Projekts, von der Datenbeschaffung bis zur Darbietung der Ergebnisse
- Erfahren Sie, wie ein Data Science-Team praktische Probleme durch projektbasierte Datenanalysen löst
- Entdecken Sie die Integration von Datenanalyse, maschinellem Lernen und KI in projektbasierte Workflows
Grundlagen der Datenanalyse
- Führen Sie Explorative Datenanalysen (EDA) zur Aufbereitung von Data Science-Datensätzen durch
- Nehmen Sie Python-Bibliotheken wie Pandas und Numpy für die Datenverarbeitung in Data Science-Anwendungen in Gebrauch
- Bearbeiten Sie ETL-Prozesse in Data Science-Projekten mit SQL zur Datenextraktion und -umwandlung
Gestaltung von Data-Science- und KI-Lösungen
- Erstellen Sie umfassende Lösungen mit Methoden der Data Science, maschinellem Lernen und AI
- Tauchen Sie in überwachte sowie unüberwachte Lernmethoden zur Erreichung datengetriebener Data Science-Ziele ein
- Implementieren Sie Deep-Learning-Frameworks wie TensorFlow und Keras in fortgeschrittene Data Science-Modelle
Gemeinsame Projektarbeit
- Nutzbringender Einsatz agiler Methoden im Management von Data Science-Projekten
- Verwenden Sie Git und GitHub für die Versionskontrolle und Zusammenarbeit bei Data Science-Codes
- Zusammenarbeit in Teams an Projekten, die reale Data Science-Situationen abbilden
Präsentation der Ergebnisse
- Beurteilen Sie Projekterkenntnisse und Data Science-Ergebnisse wirkungsvoll für Stakeholder
- Visualisierungen und Berichterstellungen zur Demonstration von Data Science-Lösungen anfertigen
- Betonung der Relevanz von Datenanalyse und Data Science für Entscheidungen im Unternehmen