Strukturierte Datenverarbeitung und analytische Methoden zur Entscheidungsfindung
  • Daten importieren, säubern und für weiterführende Analysen aufbereiten
  • Auffälligkeiten und Muster in Datensätzen durch explorative Techniken identifizieren


Effiziente Arbeit mit relationalen Datenbanken und komplexen Abfragen
  • SQL-Abfragen schreiben, um Daten zielgerichtet abzurufen und zu manipulieren
  • Joins und Aggregationen einsetzen, um Daten aus mehreren Tabellen zu kombinieren


Einführung in Data Science und statistische Modelle für Analysen nutzen
  • Regressionstechniken und Wahrscheinlichkeitsrechnung zur Mustererkennung anwenden
  • Cluster- und Klassifikationsmethoden für datengetriebene Entscheidungen verstehen


Modulare und wiederverwendbare Programmierung mit objektorientierten Konzepten
  • Klassen und Objekte verwenden, um flexible und wartbare Codestrukturen zu erstellen
  • Methoden der Vererbung und Polymorphie zur Optimierung von Anwendungen einsetzen