Der Kurs vermittelt grundlegende Methoden zur strukturierten Analyse, Transformation und Modellierung von Daten mit Fokus auf praxisnahe Anwendungen im Bereich Data Science.
Datenanalyse mit SQL- Einsatz von SQL zur Analyse relationaler Datenbanken
- Gestaltung von Abfragen mittels Joins, Aggregationen und Filtern
- Effiziente Verarbeitung großer Datenmengen
- Vorbereitung der Daten für analytische und modellgestützte Verfahren
Datenverarbeitung mit Python
- Einführung der Programmiersprache Python als Werkzeug zur Datenverarbeitung
- Nutzung von Bibliotheken wie pandas und NumPy zur Datenbereinigung, Umformung und strukturierten Analyse von Datensätzen
- Flexible Umsetzung analytischer Prozesse
- Vorbereitung von Daten für weiterführende Modelle
Datenvisualisierung und Reporting
- Verwendung von Power BI zur Darstellung analytischer Ergebnisse
- Erstellung interaktiver Dashboards
- Anwendung von DAX-Funktionen zur visuellen Aufbereitung komplexer Datenstrukturen
- Adressatengerechte Präsentation von Analyseergebnissen
Automatisierung und Maschinelles Lernen
- Aufbau automatisierter Datenpipelines für wiederholbare und skalierbare Analysen
- Behandlung strukturierter Workflows zur Datenharmonisierung und -integration
- Erhöhung der Effizienz datengetriebener Prozesse
- Inhalte zum maschinellen Lernen (ML)
- Trainieren und Optimieren von ML-Modellen
- Einbindung von ML-Verfahren in datenwissenschaftliche Projekte