- Entwicklung eines tiefen Verständnisses für wesentliche Konzepte und fortgeschrittene Techniken der Datenwissenschaft
- Vermittlung von Wissen in Data Science, maschinellem Lernen, künstlicher Intelligenz und Datenvisualisierung
Einführung in Data Science und Python
- Einführung in die Bedeutung von Datenbereinigung als kritischer Prozessschritt
- Nutzen von Python-Bibliotheken wie Pandas und NumPy für Datenaufbereitung und -bereinigung
- Maschinelles Lernen und seine Rolle bei der Generierung von wertvollen Geschäftserkenntnissen
- Reflexion über die ethischen Implikationen beim Einsatz von Data Science und künstlicher Intelligenz
Methoden der Datenbereinigung
- Handhabung von fehlenden Werten und inkonsistenten Daten mit Pandas
- Optimierung der Daten für den Einsatz in Machine Learning-Modellen
- Erkennen und Behandeln von Ausreißern für präzisere Vorhersagen
- Effiziente Datenimputation zur Bewältigung von Datenlücken
Ethik in Data Science und AI
- Bewusstsein für ethische Herausforderungen wie Bias, Fairness und Transparenz
- Verantwortung von Datenwissenschaftler:innen für ethische Datenpraktiken
- Berücksichtigung ethischer Aspekte beim Entwickeln von KI- und ML-Modellen
- Analyse von Fallstudien zu ethischen Fragestellungen in der Anwendung von AI
Business-Kommunikation und Datenpräsentationen
- Best Practices für die Kommunikation von Data Science-Ergebnissen an nicht-technische Zielgruppen
- Erstellung von Datenvisualisierungen, die Geschäftsentscheidungen unterstützen
- Anpassung der Präsentationsweise an unterschiedliche Zielgruppen für optimale Wirkung
- Kommunikation des geschäftlichen Nutzens und der strategischen Relevanz von Data Science für Entscheidungsträger