- Lernen grundlegender Begriffe wie Data, Datenwissenschaft, AI, Machine Learning und Künstliche Intelligenz
- Rolle von Data Scientists und Anwendungen von Artificial Intelligence erfassen
- Grundkenntnisse in Python und Nutzung der UNIX-Plattform
- Einsatz von Git & GitHub für kooperative Entwicklung und Versionskontrolle
Datenanalyse und Datenvorbereitung
- Grundlagen der Exploratory Data Analysis (EDA) mit Pandas, Numpy und SQL
- Datenbereinigung, -transformation und Analyse von Data Sets
- Erstellung von Visualisierungen für Data Insights
- Projektarbeit zur Verbesserung des Business Value und der Datenkommunikation
Grundlagen von Machine Learning für Neueinsteiger
- Verständnis von überwachten Lerntechniken: Klassifikation vs. Regression
- Algorithmen wie Decision Trees, Logistische und Lineare Regression anwenden
- Modelle mithilfe von Metriken und Cross-Validation bewerten
- Erste Erfahrungen mit Generative AI im Data Science Bereich
Unsupervised Learning und Deep Learning Einführung
- Clustering und Dimensionsreduktion für unstrukturierte Daten
- Grundlagen der Zeitreihenanalyse und Vorhersagemodelle verstehen
- Einblick in neuronale Netze, Transfer Learning und NLP
- Arbeiten mit Frameworks wie Tensorflow, Keras im AI Kontext
Capstone-Projekt und agile Praktiken
- Kooperatives Arbeiten an einem realen Data Science Projekt
- Anwendung von Scrum und agilen Techniken
- Präsentation der Resultate vor technikaffinen und nicht-technischen Interessensgruppen
- Nutzung von Data Science Lifecycle mit Fokus auf Business Impact