Lernziele: Entwicklung anspruchsvoller Softwareprojekte im Bereich Data Science mit Python

Einführung in Online-LernformatDie Programmiersprache Python
  • Erste Schritte mit Python
  • Überblick zu Datentypen in Python
  • Ein erstes Programm
  • Kontrollstrukturen
  • Funktionen, Parameter und Attribute
  • Hilfe und Informationen zu Python
Funktionen und Module in Python
  • Kombinierte Datentypen
  • Eigene Funktionen und Funktionsparameter
  • Seiteneffekte
  • Namensräume
  • eingebaute Funktionen
  • Modularisierung
Softwareentwicklung mit Datenbanken, SQL und NoSQL
  • Relationale Datenbanken
  • MySQL-Workbench
  • Datenbankabfragen mit SQL
  • NoSQL
  • Einführung in Big Data und IoT
Grafische Benutzeroberflächen mit Python
  • Toolkits für die Gestaltung grafischer Benutzeroberflächen
  • das Toolkit Tkinter
  • das Canvas
  • wichtige Widgets
  • das Koordinatensystem im Canvas
  • Zeichnen-Funktionen
  • PIL - Python Image Library
Vorbereitung auf PCAP-PrüfungMachine Learning I
  • Grundlagen Machine-Learning
  • Arbeiten mit Matritzen, Vektoren und Tabellen
  • Statistik für Machine Learning
  • Machine Learning Algorithmen
Machine Learning II
  • Visualisierung mit modernen Werkzeugen
  • ETL Prozesse
  • Web Services, RestAPI
  • Aufbau von Data Pipeline Anwendungen
  • Einführung in Big Data Technologien
Deep Learning und neuronale Netze
  • Basiswissen Deep Learning und TensorFlow
  • MNIST mit Multi-Layer Perceptron und TensorFlow
  • Aufbau eines neuronalen Netzes mit Prognosen
  • Deployment von Machine und Deep Learning Modellen
Cloud für Data Science
  • Cloud
  • Services für Datenbanken
  • ML-Services
  • Integration von ML in Cloud-Datenanalyse

In dem Kurs wird neben den fachlichen Kompetenzen zusätzlich die Verwendung von KI-Tools in praxisnahen Arbeitsabläufen vermittelt (Einsatz von KI-Tools wie ChatGPT etc.).