Inhalt
Zielgruppe:
Dieser Kurs richtet sich an motivierte und teamorientierte Quereinsteiger, Geisteswissenschaftler und Studienabbrecher, die in die wachsende Digitalbranche einsteigen möchten. Das Unternehmen spricht auch explizit Frauen an, die eine Karriere in der Digitalwirtschaft anstreben und Interesse am Programmieren haben. Im Laufe des Bootcamps bauen die Teilnehmerinnen ihr eigenes digitales Portfolio auf und schließen die Ausbildung mit einem eigenen „digitalen Gesellenstück“ ab. Dabei erstellen sie wichtige Arbeitsproben.
Kursinhalt:
Einführung in das maschinelle Lernen in der Datenverarbeitung
Verstehen Sie, wie maschinelles Lernen die Arbeitsabläufe in der Datenverarbeitung verbessert.
Erkunden Sie die Rolle eines Datenwissenschaftlers bei der Implementierung von Lösungen für maschinelles Lernen.
Lernen Sie die Integration von maschinellem Lernen in Datenanalyse und Datenpipelines kennen.
Datenanalysetechniken Einführung
Führen Sie eine explorative Datenanalyse (EDA) durch, um Datensätze für maschinelles Lernen vorzubereiten.
Verwenden Sie Python-Bibliotheken wie Pandas und Numpy für die Datenvorverarbeitung.
Wenden Sie SQL an, um Daten für maschinelle Lern-Workflows zu extrahieren und zu transformieren.
Maschinelles Lernen für die Datenverarbeitung
Erkunden Sie überwachte Lerntechniken für prädiktive Data-Engineering-Aufgaben.
Lernen Sie unüberwachte Lernmethoden für Clustering und Dimensionsreduktion kennen.
Automatisieren Sie die Datenbereinigung und -validierung mithilfe von Modellen für maschinelles Lernen.
Fortgeschrittene Techniken für die Datenverarbeitung
Nutzen Sie Ensemble-Methoden wie Random Forests und Gradient Boosting in Datenpipelines.
Implementieren Sie KI-gestützte Systeme zur Erkennung und Korrektur von Datenanomalien.
Erkunden Sie Echtzeit-Anwendungen für maschinelles Lernen in Data-Engineering-Umgebungen.
Projekte für maschinelles Lernen in der Praxis
Entwickeln Sie End-to-End-Pipelines für maschinelles Lernen für Data-Engineering-Herausforderungen.
Arbeiten Sie an Gruppenprojekten zur Simulation von Anwendungen in der Praxis.
Präsentieren Sie Stakeholdern Lösungen und Erkenntnisse im Bereich maschinelles Lernen und betonen Sie dabei die Integration von Datenwissenschaft und Datenanalyse.
- Förderungsart
- Bildungsgutschein (nach AZAV, Akkreditierungs- und Zulassungsverordnung Arbeitsförderung) i
- Unterrichtsart
- Online-Seminar