Weiterbildung Data Scientist – Fokus Python (Standard)

Der Beruf des Data Scientist ist einer der gefragtesten des aktuellen Jahrhunderts. Das berufsbegleitende Online-Training unseres Kooperationspartners StackFuel vermittelt angewandte Inhalte zu den Themen Künstliche Intelligenz und Machine Learning wie unüberwachtes und überwachtes maschinelles Lernen, unterschiedliche Datenvisualisierungsmethoden und das Data-Storytelling. Dadurch werden Teilnehmende in die Rolle des Data Scientist weiterentwickelt. Anschließend können Sie Ihr erworbenes Wissen in Ihrer Abteilung einbringen und selbstständig Machine-Learning-Algorithmen implementieren. Während des Trainings arbeiten Sie in unserer browserbasierten, interaktiven Lernumgebung, dem Data Lab. Dabei handelt es sich um eine vollwertige Programmierumgebung, in der die selbst programmierten Codes ausgeführt werden können.

Mit Abschluss des Trainings können Sie Performance-Metriken und Annahmen von Modellen des überwachten und unüberwachten Lernens mit sklearn anwenden. Darüber hinaus erlangen Sie Grundlagen des Data-Storytelling sowie Best Practices der informativen Gestaltung von Visualisierungen mit bokeh Algorithmen des überwachten und unüberwachten Lernens wie Entscheidungsbäume und Random Forests.

Sie haben Interesse an einem AZAV - zertifizierten Angebot? Dann schauen Sie sich einmal unter diesem Link die Angebote an.

Modul 1

• Machine Learning Basics
• Datenanalysen mit pandas und matplotlib auffrischen
• Performance Metriken und Annahmen von Modellen des überwachten und unüberwachten Lernens mit sklearn

Modul 2

• Supervised Learning
• Algorithmen des überwachten Lernens wie Entscheidungsbäume und Random Forests, Support Vector Machines vertiefend anwenden
• Das Python-Modul tensorflow im Kontext von neuronalen Netzen verstehen
• Problemstellungen begreifen und Modelle erarbeiten

Modul 3

• Advanced Topics in Data Science
• Grundlagen des Data Storytellings verstehen
• Best Practices der informativen Gestaltung von Visualisierungen mit bokeh umsetzen
• Big Data Verfahren mit pyspark umsetzen
• Mit einem Industriedatenset eigenständige Data Science Projekte umsetzen