Data Science Bootcamp - Zertifikatskurs Datenanalyse & Machine Learning in der Praxis | datasciencebootcamp.de - Seminar / Kurs von IOMIDS Institute of Machine Intelligence & Data Science

Schulungsprogramm

Tag 1: Data Science Grundlagen

Montag

In diesem Teil der Schulung lernen Sie die Grundlagen: wie ist das Feld Data Science entstanden, welche Möšglichkeiten bieten Datenanalyse und Data Mining, was verbirgt sich hinter Predictive Analytics und welche Aufgaben hat ein Data Scientist.

Auch als AnfäŠnger ohne Vorkenntnisse kšnnen Sie in diesem Teil des Seminars gut einsteigen. Sie lernen den typischen Ablauf von Data Science-Projekten und fŸühren selbst ein erstes Praxisprojekt durch. Fragestellungen aus Ihrem Unternehmen kšönnen Sie gerne füŸr die Diskussion mitbringen. Schon ab dem ersten Tag erbringen Sie mit dem Projekt und PrŸüfungsfragen im Multiple-Choice-Format Leistungen, die fŸür den Abschluss als Zertifizierter Data Scientist am Ende der Woche zŠählen.

• Data Science: das Feld im †berblick
• Einordnung und Abgrenzung: Data Science, Data Mining, Maschinelles Lernen, KŸünstliche Intelligenz, Deep Learning und Predictive Analytics
• Skillset füŸr die Arbeit als Data Scientist und die angrenzenden Berufe Data Engineer und Business Analyst
• Wie lernen Maschinen? Funktionsweise des Machine Learning
• Regression und Klassifikation
• Strukturierte und unstrukturierte Daten
• Zuordnen von Use Cases zu Methoden
• Modellvalidierung
• Explorative Analyse
• Data Science Workflow

Tag 2+3: Maschinelles Lernen

Dienstag und Mittwoch

Wie lernen Algorithmen, wie wäŠhle ich das richtige Modell und wie erhalte ich präŠzise Vorhersagen? Maschinelles Lernen steht im Fokus der Tage 2 und 3 der Data Science Weiterbildung. Auch hier lernen Sie die Theorie und setzen diese anschließend in der Praxis an Echtdaten um: dafüŸr zeichnen wir Daten mit Hilfe von Bewegungssensoren auf und erkennen anschließend Stšöße; eine Anwendung, die beispielsweise in der Logistik von Bedeutung ist, aber genauso werden die Sensoren im Fitness-Armband eingesetzt. Die Methoden, die Sie lernen sind aber nicht auf eine Branche beschrŠänkt: die gleichen Modelle köšnnen auch in der Finanzbranche, im Online-Marketing, im Ingenieursbereich usw. zum Einsatz kommen.

FüŸr die †Übungen haben wir aus unserer Erfahrung sowie aus weltweiten Umfragen unter Data Scientist diejenigen Modelle ausgewäŠhlt, die Sie in der Praxis am häŠufigsten benštigen. So kšönnen Sie sicher sein, dass Sie das Gelernte in Wirtschaft und Industrie direkt zum Einsatz bringen kšönnen.

Selbstlernende Algorithmen köšnnen füŸr vöšllig unterschiedliche Fragestellungen trainiert werden. Nachdem sie aus Daten gelernt haben, erlauben Sie Prognosen, unterstüŸtzen Entscheidungen oder finden neue ZusammenhŠänge. Ein Crashkurs zu den Tools versetzt Sie in die Lage, eigene Fragestellungen zu behandeln. Mit den PrŸfungsfragen zum Machine Learning bringen Sie weitere Leistungen füŸr Ihre Zertifizierung.

• Supervised Learning fŸür Predictive Analytics
• Unsupervised Learning und Data Mining
• Lineare und logistische Regression
• Decision Trees, Random Forests, Boosting
• Clustering-Methoden
• Wahl des richtigen Modells in AbhäŠngigkeit von Daten und Aufgabenstellung
• Erkennung von Overfitting und Strategien dagegen
• Interpretierbarkeit von Vorhersagen
• Hyperparameter
• Modellvalidierung und die Verlustfunktion
• Die wichtigsten Tools und Methoden des maschinellen Lernens
• Python füŸr Machine Learning
• Anbindung von Datenquellen
• Praxisprojekt: Entwicklung und Validierung eines eigenen Vorhersagemodells

Tag 4+5: Deep Learning

Donnerstag und Freitag

Die kŸünstliche Intelligenz hat durch tiefe neuronale Netze, das Deep Learning, in den letzten Jahren erstaunliche Fortschritte gemacht. Diesem spannenden Bereich widmet sich der letzte Schulungsteil des Zertifikatskurses. An den Bootcamp-Tagen 4 und 5 lernen Sie die Theorie küŸnstlicher neuronaler Netze und den Einsatz fŸür KI-Anwendungen mit Hilfe von Tools wie TensorFlow und Keras von Google. Sie entwickeln selbst neuronale Netze füŸr Mustererkennung und Vorhersagen.

Bedeutende Fortschritte wurden mit Deep Learning in der Spracherkennung und Bilderkennung gemacht, aber auch füŸr Zeitreihen und viele andere Daten hat sich Deep Learning zu einer der wichtigsten Methoden entwickelt & gehöšrt somit zum Portfolio der fortgeschrittenen Kenntnisse eines Data Scientist.

Auch an den letzten beiden Tagen des Seminars bearbeiten Sie wieder ein Praxisprojekt und beweisen in den letzten PrŸüfungsfragen, was Sie in der intensiven Woche gelernt haben. Sie schließen nach der erfolgreichen Bearbeitung mit der Zertifizierung zum Data Scientist die Weiterbildung ab.

• Deep Learning als Teilgebiet von maschinellem Lernen und kŸünstlicher Intelligenz
• Funktionen, Anzahl und Gršöße der Layer
• Feedforward-Netz
• Nichtlineare Aktivierungsfunktionen
• Verlustfunktion (Loss Function)
• Stochastischer Gradientenabstieg
• Backpropagation-Algorithmus
• Tool-܆berblick: TensorFlow, Keras, Python, Jupyter Notebooks, R, RStudio ..
• Regularisierung im Deep Learning zur Vermeidung von Overfitting
• Fortgeschrittene Netzarchitekturen im ܆berblick am Beispiel von ConvNets
• Praxisprojekt Deep Learning

(Das Programm ist vorläŠufig und wird bis zum Kursbeginn ggf. noch aktualisiert.)

Das Bootcap ist ein Zertifikatskurs: Mit dem erfolgreichen Abschluss erwerben Sie das Data Science Zertifikat, ausgestellt durch IOMIDS®. Die Zertifizierung bescheinigt Ihre fortgeschrittenen und anwendungsorientierten Kenntnisse in Data Science.

Mit diesem Gütesiegel stehen Ihnen spannende Tätigkeitsfelder offen: Analytics, Machine Learning, Data Mining und künstliche Intelligenz. Sie setzen sich von Mitbewerbern ab und werden zum gefragten Wegbereiter der Digitalisierung.

Das Zertifikat setzt drei Kurse voraus, die Sie im Rahmen des Bootcamps alle innerhalb von einer Woche am Stück absolvieren: Tag 1 – Data Science Grundlagen; Tag 2 und 3: Machine Learning sowie Tag 4 und 5: Deep Learning.

Um das Zertifikat zu erwerben bearbeiten Sie im Rahmen des Bootcamps drei Praxisprojekte mit Echtdaten. Außerdem wird Ihr theoretisches Know-How durch mehrere Prüfungsblöcke abgefragt.Nach Erhalt des Zertifikats sind Sie in der Lage Datenanalyse, Machine Learning und künstliche Intelligenz zu überlicken, kreativ Anwendungen in ihrer Praxis zu finden, Methoden abzuwägen und letztendlich praktisch einzusetzen.

Alle, die in das Themengebiet Data Science tief einsteigen möchten, die Funktionsweise von Algorithmen auch im Detail verstehen möchten und in der Programmiersprache Python Praxisübungen im Bootcamp umsetzen möchten.