Dieses Angebot richtet sich an angehende Data Scientists und vermittelt praxisnahes Wissen zu Machine Learning, Big Data und Vorhersageanalysen, wobei der Fokus auf Modellinterpretation, Karriereaufbau und selbstgesteuertem Lernen liegt.
Inhaltsübersicht- 1. Grundlagen des Machine Learnings
- 2. Vertiefung in Supervised Learning
- 3. Modellinterpretation und Big Data mit PySpark
- 4. Förderung der Karriereentwicklung in Datenberufen
- 5. Lerne im eigenen Tempo durch flexible Unterrichtszeiten
- 6. Was macht ein Data Scientist?
- 7. Wesentliche Fähigkeiten für Data Scientists
Grundlagen des Machine Learnings
- Überblick über zentrale Machine Learning Techniken und Anwendungsgebiete erhalten
- Überwachte und unüberwachte Lernmethoden systematisch unterscheiden
- ML-Algorithmen auf praxisrelevante Probleme anwenden und reflektieren
Vertiefung in Supervised Learning
- Überwachte Lernverfahren wie Klassifikation und Regression gezielt einsetzen
- Modelle trainieren, validieren und mit Hyperparameter-Tuning optimieren
- Modell-Performance bewerten und verschiedene Algorithmen vergleichen
Modellinterpretation und Big Data mit PySpark
- Einführung in die skalierbare Datenverarbeitung mit PySpark
- Big Data analysieren und für Machine Learning nutzbar machen
- Modelle verständlich interpretieren und Ergebnisse zielgruppengerecht kommunizieren
Förderung der Karriereentwicklung in Datenberufen
- Strategien für Einstieg, Spezialisierung und Aufstieg im Data-Science-Bereich entwickeln
- Ein datenwissenschaftliches Portfolio aufbauen und gezielt optimieren
- Netzwerken und Projektergebnisse überzeugend präsentieren
Lerne im eigenen Tempo durch flexible Unterrichtszeiten
- Individuelle Lernphasen planen und mit Mentoren digital begleitet umsetzen
- Online-Foren und Gruppenformate zur Vertiefung und zum Austausch nutzen
- Selbstbestimmtes Lernen mit praxisnahen Inhalten kombinieren
Was macht ein Data Scientist?
- Daten analysieren, Muster erkennen und Machine-Learning-Modelle entwickeln
- Unstrukturierte Daten verarbeiten und automatisierte Analysen implementieren
- Mit Fachabteilungen zusammenarbeiten, um datenbasierte Geschäftsprozesse zu optimieren
Wesentliche Fähigkeiten für Data Scientists
- AI, Deep Learning und neuronale Netze gezielt für komplexe Analysen einsetzen
- Maschinelles Lernen mit Methoden wie Random Forests oder Unsupervised Learning nutzen
- Mit Python, Pandas, Unit Testing und TDD robuste Analyse-Workflows erstellen
- Data Modelling, Cluster- und Varianzanalysen für statistische Auswertungen einsetzen
- Zertifizierungen und Weiterbildungen gezielt zur fachlichen Weiterentwicklung nutzen