Statistische Grundlagen und Datenaufbereitung
  • Grundlegende statistische Kenngrößen mit Fokus auf Data Science
  • Datenreinigung
  • Information, Entropie und Informationsgewinn unter Berücksichtigung von Data Science
  • Datenskalierung
  • Erzeugung synthetischer Daten mit Anwendungen aus dem Bereich Data Science
  • Einführung in Faker-Bibliothek

Algorithmen, Modellierung und Visualisierung
  • Lineare Regression im Kontext von Data Science
  • Multiple Regression
  • Logistische Regression mit Bezug zu Data Science
  • K-nearest-neighbor-Klassifizierung
  • K-fache Kreuzvalidierung unter Einbeziehung von Data Science
  • Bestimmtheitsmaße