Kursbeschreibung
Weiterbildung zum Quereinstieg in den Job als Data Scientist.
Data Science ist ein Berufs- und Themenfeld mit sehr großem Potenzial, das auch in den nächsten Jahren stark wachsen wird. Fachkompetenzen in der Datenanalyse, Programmierkenntnisse in Python sowie die Anwendung von maschinellem Lernen und Deep Learning sind sehr gefragt. Die Weiterbildung zum Data Scientist – Fokus Python befähigt Teilnehmende dazu, Prognosemodelle aus Daten abzuleiten, zu verifizieren und zu interpretieren, um die Modellergebnisse effizient zu kommunizieren. Mit dem berufsbegleitenden Online-Training von StackFuel lernen Teilnehmende unüberwachtes und überwachtes maschinelles Lernen, unterschiedliche Datenvisualisierungsmethoden und das Data Storytelling kennen, um nach dem Training die Rolle des Data Scientists einnehmen zu können. Teilnehmende lernen datenbasierte (automatisierte) Entscheidungen zu treffen und Data-Science Projekte mithilfe von Wissen aus ihrer Fachdomäne umzusetzen. Sie lernen die Anwendung von Performance-Metriken und Modellen des überwachten und unüberwachten Lernens mit sklearn sowie best practices der Interpretation von Algorithmen des überwachten und unüberwachten Lernens wie Entscheidungsbäume und Random Forests. Anschließend können Teilnehmende ihr erworbenes Wissen in ihrer Abteilung einbringen und selbstständig Machine-Learning-Algorithmen implementieren.Infos über die Weiterbildung:
- Dauer 3 - 6 Monaten (abhängig von der Teilnahme am Teilzeit- oder Vollzeitkurs)- Kursleitung und -betreuung durch Data Scientists
- 80% Praxisaufgaben + 20% Video- und Texteinheiten
- Projekte mit Datensets und Business Cases aus der Industrie
- Abschlusszertifikat bei erfolgreichem Bestehen
- Online und ortsunabhängig
- In Vollzeit oder Teilzeit
Diese Fähigkeiten werden vermittelt:
- Daten selbständig einlesen, bereinigen und filtern
- Daten explorativ mithilfe von deskriptiver Statistik analysieren
- Komplexe Prognosemodelle entwickeln und verifizieren
- Machine-Learning-Algorithmen entwickeln
- In der Programmiersprache Python programmieren
- Datenmodelle zur Vorhersage von Businessszenarien bauen
- Datenvisualisierung, um Deine Ergebnisse klar verschiedenen Zielgruppen zu präsentieren
- Programmierwissen in datenbasierten Business-Szenarien vertiefen
- Programme für automatisierte Datenanalysen entwickeln
- Code mit Git organisieren
- Mit SQL-Datenbanken arbeiten
- Daten mit dem Python-Modul pandas einlesen und verarbeiten
- Externe Datenquellen in die Analyse einbeziehen
- Grundlagen der Statistik auf Unternehmensdaten anwenden
- Datenvisualisierungen mit pandas, matplotlib und anderen Python-Modulen
- Eine Datenpipeline für verschiedene Industriedaten umsetzen
- Zunehmend komplexe Analyse-Programme schreiben
Relevante Branchen für den Quereinstieg:
Arbeite als (Junior) Data Scientist:in oder Analyst:in in der Luft- und Raumfahrt, Landwirtschaft, Automobilindustrie, Bankwesen, Chemie, Kommunikation, Konsumgüter, Energieversorgung, Elektronik, Unterhaltung, Finanzen, Fitness, Regierung, Medizin, Gastgewerbe, Information, Technologie, Versicherung, Medien, Bergbau, Reisen, Umwelt, Chemie & Pharma, Immobilien, Einzelhandel, Robotik, Vertrieb, Schifffahrt, Telekommunikation u.v.m.
Weiterbildungsplan
Modul 0: Vorbereitung
Woche - Data Analytics with Python
1. Woche - Linear Algebra + Projektarbeit
2. Woche - Probability Distribution + Bewerbungstraining
Modul 1: Machine Learning Basics
1. Woche - Supervised Learning (regression)/ Scikit-learn
2. Woche - Supervised Learning (classification) Datenpipelines aufbauen und Performance-Metriken analysieren
3. Woche - Unsupervised Learning (clustering) + Projektarbeit
4. Woche - Unsupervised Learning (dimensionality reduction) Code mit Git organisieren
5. Woche - Outlier Detection + Projektarbeit
Modul 2: Deep Dive Supervised Learning
1. Woche - Data Gathering und Algorithmen des überwachten Lernens, wie Entscheidungsbäume, Random Forests und Support Vector Machines vertiefend anwenden
2. Woche - Logistic Regression
3. Woche - Decision Trees and Random Forests und Einblicke in Deep Learning und Anwenden künstlicher neuronaler Netze mit Keras
4. Woche - Support Vector Machines Grundlagen des Natural Language Processing (NLP) anwenden, um Textdaten zu analysieren
5. Woche - Neural Networks + Blogartikel zur Optimierung der eigenen Online-Präsenz
Modul 3: Advanced Topics in Data Science
1. Woche - Visualisation + Blogartikel
2. Woche - Big Data Verfahren mit PySpark kennenlernen
3. Woche - Übungsprojekt mit realen Datensets
4. Woche - Abschlussprojekt
5. Woche - Abschlussprojekt
6. Woche - Abschlussprüfungen + Bewerbungstraining + Blogartikel
Weiterbildung zum Quereinstieg in den Job als Data Scientist.
Data Science ist ein Berufs- und Themenfeld mit sehr großem Potenzial, das auch in den nächsten Jahren stark wachsen wird. Fachkompetenzen in der Datenanalyse, Programmierkenntnisse in Python sowie die Anwendung von maschinellem Lernen und Deep Learning sind sehr gefragt. Die Weiterbildung zum Data Scientist – Fokus Python befähigt Teilnehmende dazu, Prognosemodelle aus Daten abzuleiten, zu verifizieren und zu interpretieren, um die Modellergebnisse effizient zu kommunizieren. Mit dem berufsbegleitenden Online-Training von StackFuel lernen Teilnehmende unüberwachtes und überwachtes maschinelles Lernen, unterschiedliche Datenvisualisierungsmethoden und das Data Storytelling kennen, um nach dem Training die Rolle des Data Scientists einnehmen zu können. Teilnehmende lernen datenbasierte (automatisierte) Entscheidungen zu treffen und Data-Science Projekte mithilfe von Wissen aus ihrer Fachdomäne umzusetzen. Sie lernen die Anwendung von Performance-Metriken und Modellen des überwachten und unüberwachten Lernens mit sklearn sowie best practices der Interpretation von Algorithmen des überwachten und unüberwachten Lernens wie Entscheidungsbäume und Random Forests. Anschließend können Teilnehmende ihr erworbenes Wissen in ihrer Abteilung einbringen und selbstständig Machine-Learning-Algorithmen implementieren.Infos über die Weiterbildung:
- Dauer 3 - 6 Monaten (abhängig von der Teilnahme am Teilzeit- oder Vollzeitkurs)- Kursleitung und -betreuung durch Data Scientists
- 80% Praxisaufgaben + 20% Video- und Texteinheiten
- Projekte mit Datensets und Business Cases aus der Industrie
- Abschlusszertifikat bei erfolgreichem Bestehen
- Online und ortsunabhängig
- In Vollzeit oder Teilzeit
…
Datum
auf Anfrage
Uhrzeit
36 Std./Woche (Vollzeit) oder 15 Std./Woche (Teilzeit)
Dauer
240 Stunden in 8 Wochen (Vollzeit) oder 16 Wochen (Teilzeit)
Ort
Data Lab - Online Lernumgebung
E-Mail
Kontakt
Julia Kazubek
Straße
Nostitzstraße 20
PLZ
10961
Ort
Berlin
Land
Deutschland
Bundesland
---
1. Eignungstest
2. Hochschulabschluss oder vergleichbare Berufserfahrung
3. Grundkenntnisse in Mathematik & Statistik
4. Motivation Dich in nur 3-6 Monaten für eine neue Jobrolle zu qualifizieren.
- Mathematische und statistische Grundkenntnisse
- Grundkenntnissen in der Programmiersprache Python
- Grundlegende Verwendung der Python-Pakete Pandas und Matplotlip
2. Hochschulabschluss oder vergleichbare Berufserfahrung
3. Grundkenntnisse in Mathematik & Statistik
4. Motivation Dich in nur 3-6 Monaten für eine neue Jobrolle zu qualifizieren.
- Mathematische und statistische Grundkenntnisse
- Grundkenntnissen in der Programmiersprache Python
- Grundlegende Verwendung der Python-Pakete Pandas und Matplotlip
Zielgruppe
Das Training eignet sich für alle, die Daten analysieren und auf Grundlage dieser Vorhersagen erstellen möchten, um datengetriebene Entscheidungen zu treffen. Darüber hinaus sollten Teilnehmende ein Interesse an maschinellem Lernen mitbringen.
Zertifikat(e)
Abschlusszertifikat
Kosten
€ 6.509,4
