Die Weiterbildung Data Science und Datenanalyse mit Pandas und NumPy vermittelt Ihnen Grundlagen und anwendungsorientiertes Wissen in den Bereichen Data Science, Machine Learning und Künstliche Intelligenz unter Nutzung von Python.

Mit fachlicher Unterstützung durch einen Mentor lernen Sie in dieser Weiterbildung Methoden und Werkzeuge der Data Science kennen, einschließlich Datenanalyse mit Pandas und NumPy, und wenden diese in praktischen Übungen an.

In praxisorientierten Projekten, interaktiven Live-Trainings und moderierten Sessions arbeiten Sie mit gängigen Python-Tools und setzen Data Science-Methoden, auch im Bereich der Datenanalyse mit Pandas und NumPy, in realitätsnahen Szenarien ein.

Nach Abschluss dieser Data Science Weiterbildung erhalten Sie ein staatlich anerkanntes Zertifikat.

Alle Inhalte des Kurses im Überblick:

Python Starter Package
  • Grundlagen der Programmierung wie Datentypen, Schleifen, Funktionen und Dictionaries erlernen
  • Datenanalyse und -verarbeitung mit Pandas und NumPy-Arrays durchführen
  • Automatisierung und Skripterstellung für datengetriebene Workflows umsetzen

Exploratory Data Analysis (EDA)
  • Strukturierte Datenanalyse mit Pandas DataFrames durchführen
  • Erstellung aussagekräftiger Visualisierungen mit Matplotlib und Seaborn
  • Untersuchung von Daten zur Identifikation erster Muster und Zusammenhänge

Machine Learning - Supervised Learning
  • Anwendung grundlegender Modellierungsansätze mit Scikit-Learn und linearen Regressionsverfahren
  • Einsatz von Decision Trees, Random Forests und Ensemble-Methoden für Prognosen
  • Einführung in neuronale Netze sowie grundlegende Deep-Learning-Konzepte

Machine Learning - Unsupervised Learning
  • Einsatz der Principal Component Analysis (PCA) zur Reduktion von Dimensionalität
  • Durchführung von Clusteranalysen mit k-Means und DBSCAN
  • Grundlagen der Bildverarbeitung im Kontext unüberwachter Lernverfahren verstehen

Evaluieren und Optimieren
  • Bewertung von Modellen mithilfe von Kreuzvalidierung und Testverfahren
  • Optimierung durch Grid Search sowie den Einsatz von Pipelines
  • Auswahl geeigneter Evaluationsmetriken und Interpretation der Ergebnisse

A Deeper Dive into Data Science
  • Anwendung von Feature Engineering und Techniken zur Datenrepräsentation
  • Einführung in Natural Language Processing (NLP) zur Analyse und Verarbeitung von Textdaten
  • Vertiefte Datenaufbereitung und Einsatz fortgeschrittener Analyse- und Modellierungsmethoden

Lernen mit dem XDi
  • Bearbeitung praxisnaher virtueller Data-Science-Projekte
  • Begleitung durch Mentoren
  • Erstellung eines Portfolios zur beruflichen Weiterentwicklung
  • Unterstützung durch Bewerbungstraining
  • Nutzung von Lernmaterialien wie Artikeln, Videos und digitalen Formaten
  • Selbsttests und Quizzes zur Überprüfung des Lernfortschritts
  • Teilnahme an Live-Trainings und interaktiven Übungen
  • Austausch mit anderen Teilnehmern in einer Lernumgebung
  • Strukturierte Retrospektiven zur Wiederholung und Festigung des Wissens