Data Science und Business Analytics

• Grundlagen von Data Science
• Einführungskurs Python, Pandas, Matplotlib, Seaborn
• Eine erste Data Science Fallstudie: Aus Zahlen mit statistischen Verfahren und hilfreichen Visualisierungen neue Erkenntnisse generieren

• Einführung in die Künstliche Intelligenz, Machine Learning
• Einführung in die Untergebiete des Maschinellen Lernens
• Wie funktionieren Machine Learning Modelle wie K-NN, Decision Trees und Random Forests?
• Fallstudie: Mit Machine Learning ein Klassifikations- oder Prädiktionsproblem lösen, z.B. Kundenverhalten oder Maschinenzustand vorhersagen

• Wie unterscheidet sich Deep Learning von Machine Learning?
• Wie funktioniert Deep Learning / Künstliche Neuronale Netze?
• Übersicht über wichtige Deep Learning Modelle
• Fallstudie: Mit Deep Learning ein Klassifikations- oder Prädiktionsproblem lösen, z.B. Verkaufspreise für Immobilien oder Autos vorhersagen

• Weitere wichtige klassische Machine Learning Modelle
• Neuere Deep Learning Modelle (z.B. Transformer)
• Fallstudie: Zeitreihen mit Deep Learning Verfahren fortsetzen

• Einführung in Big Data
• Übersicht über Big Data Software und Lösungen
• Einführung in Datenbanken / Arten von Datenbanken
• Fallstudie: Arbeiten mit Datenbanken aus Python heraus um Daten für Data Science und Machine Learning anzubinden, auszuwerten und neue Erkenntnisse abzulegen

• Automatisiertes Training und Modellauswahl: Wie geht das?
• Einführung in ein ausgewähltes aktuelles AutoML Framework, z.B. AutoGluon
• Machine Learning Lösungen in der Cloud
• Fallstudie: Ein konkretes Unternehmensproblem mit AutoML lösen

Das Modul sieben startet während der Ausbildung mit einem Kick-Off-Meeting (online). Während der Ausbildung gibt es zwei individuelle Coachings (online) und den Abschluss bilden die Präsentation der Projekte vor Ort.

Die detaillierte Beschreibung finden Sie hier!