Expert*in Data Scientist Foundation (DigiPäd-Modul C1)
Werden Sie Expert*in "Data Scientist Foundation". Um Sie für die Herausforderungen der digitalen Transformation fit zu machen, vereinigt der Weiterbildungskurs „Data Scientist Foundation“ Fachwissen aus der Informatik mit quantitativen Methoden und Aspekten des Informations- und Kommunikationsdesigns. Dabei wird mit den Programmiersprachen R und Python gearbeitet. Die Teilnehmer*innen erlernen die effektive Nutzung der Business Intelligence Werkzeuge Power Query sowie Power View entlang der Wertschöpfungskette. Auch auf Azure Machine-Learning wird mit konkreten Beispielen Bezug genommen.
Inhalte
Modul 1: 0,5 Tage Einführung in die Data Science
- Begriffsdefinition und Charakteristiken
- Einordnung in die IT
- Geschichte der Data Science
- Anforderungen im Berufsfeld Data Science und kennenlernen der Systemlandschaft
- Datensysteme kennenlernen
Modul 2: 2,5 Tage Einführung in Python
- Das Konzept und die Philosophie von Python
- Übersicht Python-Editoren, u.a.: Jupyter, Pycharm, Spyder
- Python-Projekte anlegen: Ordnerstruktur, Einbinden von Paketen und Modulen
- Syntaktische Grundlagen: Grunddatentypen, Operatoren, Kontrollstrukturen, Funktionen, Schleifen
- Grundlagen objektorientierten Programmierens: Klassen, Methoden und Attribute
Modul 3: 1 Tag Datenmanagement in Python
- Einführung in NumPy
- pandas: Objekttypen: Series und DataFrame; Importieren von Daten, Variablen erstellen, Aggregationen, deskriptive Statistik
- Interaktion mit dem Betriebssystem und Schnittstellen zu Datenbanken und Dateien
- Einführung SQL
Modul 4: 2,5 Tage Python vs. R
- Python und R im Vergleich, Abgrenzungen, Schnittstellen, Vorteile und Nachteile
- Einführung in R
Modul 5: 1 Tag Datenvisualisierung
- Grafiken mit Python und R für unterschiedliche Datentypen erstellen und gestalten.
- Bibliotheken ggplot2, Shiny, Seaborn, matplotlib kennenlernen
Modul 6: 1 Tag Inferenzstatistik/Hypothesentests/Lineare Regressionsanalyse
- Gesetz der großen Zahlen und zentraler Grenzwertsatz
- Verteilungen (Normalverteilung, t-Verteilung, Chi2) und Deskriptive Statistik
- Grundbegriffe (Effektgröße, alpha-Fehler, beta-Fehler, p-Wert, Signifikanz)
- Logik und Interpretation von statistischen Hypothesentests
- Ursache-Wirkungsanalyse mittels Regressionen
Modul 7: 2,5 Tage Machine Learning
- Überblick über Modelle und Methoden, Über das Problem der Prognose
- Overfitting, Underfitting und Parametertuning – Techniken der Modellerstellung
- Klassifikationsverfahren
- Regressionsprobleme
- Clusteranalysen
- Hauptkomponentenanalyse (PCA)
- Evaluation von Machine Learning Modellen
Modul 8: 1 Tag Zeitreihenanalyse
- Grundbegriffe der Zeitreihenanalyse
- Typisierung und Stationarisierung von Zeitreihen
- Dekomposition von Zeitreihen
- Glättung von Zeitreihen
- AR-I-MA Modelle
- Ausblick: Machine Learning zur Zeitreihenvorhersage
Modul 9: 1 Tag Reporting/REST-Services
- Kennenlernen der Bibliothek Flask zur serverseitigen Webentwicklung
Modul 10: 1 Tag Python in Operativumgebungen/Regulatorischen Standards entsprechen
- Anforderungen von produktiven Python-Code
- Konventioneller Code nach PEP-8 und dessen Bedeutung in Python
- Source- und Binary-Distributionen erstellen
- Unittesting mit den Bibliotheken unittest und doctest durchführen
- Aufzeichnen des Programmzustands mit logging
- Dokumentationen mit Sphinx erstellen
126 Unterrichtseinheiten virtueller Unterricht, 54 Unterrichtseinheiten gecoachtes Selbstlernen
Lernziele
Die Qualifizierung zum „Certified Data Scientist Foundation“ eröffnet Ihnen exzellente berufliche Perspektiven. Im Zeitalter der datengesteuerten Wirtschaft sind die vermittelten Kompetenzen sprichwörtlich Gold wert.