Data Science und Business Analytics
Modul 1: Einführung in Data Science und Python
- 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
Modul 2: Einführung in Machine Learning
- 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
Modul 3: Deep Learning
- 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
Modul 4: Machine Learning und Deep Learning Vertiefung
- Weitere wichtige klassische Machine Learning Modelle
- Neuere Deep Learning Modelle (z.B. Transformer)
- Fallstudie: Zeitreihen mit Deep Learning Verfahren fortsetzen
Modul 5: Big Data und Datenbanken
- 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
Modul 6: AutoML und Machine Learning der Cloud
- 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