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 maschinelles Lernen und Datenstrukturen
Verstehen Sie die Rolle des maschinellen Lernens bei der Optimierung von Datenstrukturen für die Datenverarbeitung.
Erfahren Sie, wie Datenwissenschaftler maschinelle Lerntechniken anwenden, um Daten-Workflows zu verbessern.
Erkunden Sie die Verbindung zwischen Datenstrukturen, Datenanalyse und maschinellem Lernen.
Einführung in Datenanalysetechniken
Führen Sie eine explorative Datenanalyse (EDA) durch, um Muster zu identifizieren und das Design der Datenstruktur zu optimieren.
Verwenden Sie Python-Bibliotheken wie Pandas und Numpy zur Verarbeitung strukturierter und unstrukturierter Daten.
Integrieren Sie SQL, um Daten für Anwendungen des maschinellen Lernens vorzubereiten und zu analysieren.
Anwendungen des maschinellen Lernens in Datenstrukturen
Verwenden Sie überwachte Lernalgorithmen, um die Datenorganisation zu klassifizieren und zu optimieren.
Erkunden Sie unüberwachte Techniken wie Clustering, um Daten effektiv zu gruppieren und zu strukturieren.
Wenden Sie bestärkendes Lernen an, um adaptive und selbstoptimierende Datensysteme zu entwickeln.
Fortgeschrittene Techniken für Datenstrukturen
Erfahren Sie, wie neuronale Netze und Deep Learning das komplexe Datenmanagement verbessern können.
Implementieren Sie Techniken zur Dimensionsreduktion, um große Datensätze zu optimieren.
Erkunden Sie die datengesteuerte Anomalieerkennung, um die Integrität in Datenstrukturen zu erhalten.
Praktische Projekte im Bereich maschinelles Lernen für Datenstrukturen
Erstellen Sie Modelle für maschinelles Lernen, die auf die Optimierung realer Datenstrukturen zugeschnitten sind.
Arbeiten Sie an Projekten zur Simulation fortgeschrittener Data-Engineering-Umgebungen mit.
Präsentieren Sie den Interessengruppen Erkenntnisse und Verbesserungen und betonen Sie dabei die Integration von Data Science und Datenanalyse.
- Förderungsart
- Bildungsgutschein (nach AZAV, Akkreditierungs- und Zulassungsverordnung Arbeitsförderung) i
- Unterrichtsart
- Online-Seminar