DATA SCIENCE BOOTCAMP: 🎓 Zertifikatskurs Datenanalyse & Machine Learning in der Praxis | 𝗱𝗮𝘁𝗮𝘀𝗰𝗶𝗲𝗻𝗰𝗲𝗯𝗼𝗼𝘁𝗰𝗮𝗺𝗽.𝗱𝗲

DATA SCIENCE BOOTCAMP 2024 ‎ Von 0 auf Data Science in einer Woche! Im Data Science Bootcamp lernen Sie Tools und Theorie für die Arbeit als Data Scientist: von Datenanalyse und Python über maschinelles Lernen hin zu künstlicher Intelligenz mit neuronalen Netzen. Sie schließen die Woche ab mit der Data Scientist Zertifizierung. Der Zertifikatskurs ist Ihr Befähiger in Data Science mit steiler Lernkurve. Während der erste Tag die Grundlagen wie Begriffe und den Ablauf von Data Science Projekten behandelt, geht es bereits am zweiten Tag schon um Machine Learning. Sie zeichnen eigene Daten auf und lernen in einem Python Crashkurs die wichtigsten Tools. Im weiteren Verlauf entwickeln und validieren Sie komplexere Modelle und tauchen auch in das Feld Deep Learning ein. Durch Praxisprojekte setzen Sie die Theorie direkt um. Das Schulungsprogram im Detail: Tag 1: Data Science Grundlagen Montag In diesem Teil der Schulung lernen Sie die Grundlagen: wie ist das Feld Data Science entstanden, welche Möglichkeiten bieten Datenanalyse und Data Mining, was verbirgt sich hinter Predictive Analytics und welche Aufgaben hat ein Data Scientist. Auch als Anfänger ohne Vorkenntnisse können Sie in diesem Teil des Seminars gut einsteigen. Sie lernen den typischen Ablauf von Data Science-Projekten und führen selbst ein erstes Praxisprojekt durch. Fragestellungen aus Ihrem Unternehmen können Sie gerne für die Diskussion mitbringen. Schon ab dem ersten Tag erbringen Sie mit dem Projekt und Prüfungsfragen im Multiple-Choice-Format Leistungen, die für den Abschluss als Zertifizierter Data Scientist am Ende der Woche zählen. Data Science: das Feld im Überblick Einordnung und Abgrenzung: Data Science, Data Mining, Maschinelles Lernen, Künstliche Intelligenz, Deep Learning und Predictive Analytics Skillset für 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 wähle ich das richtige Modell und wie erhalte ich präzise 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: dafür zeichnen wir Daten mit Hilfe von Bewegungssensoren auf und erkennen anschließend Stöße – 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 beschränkt: die gleichen Modelle können auch in der Finanzbranche, im Online-Marketing, im Ingenieursbereich usw. zum Einsatz kommen. Für die Übungen haben wir aus unserer Erfahrung sowie aus weltweiten Umfragen unter Data Scientist diejenigen Modelle ausgewählt, die Sie in der Praxis am häufigsten benötigen. So können Sie sicher sein, dass Sie das Gelernte in Wirtschaft und Industrie direkt zum Einsatz bringen können. Selbstlernende Algorithmen können für völlig unterschiedliche Fragestellungen trainiert werden. Nachdem sie aus Daten gelernt haben, erlauben Sie Prognosen, unterstützen Entscheidungen oder finden neue Zusammenhänge. Ein Crashkurs zu den Tools versetzt Sie in die Lage, eigene Fragestellungen zu behandeln. Mit den Prüfungsfragen zum Machine Learning bringen Sie weitere Leistungen für Ihre Zertifizierung. Supervised Learning für Predictive Analytics Unsupervised Learning und Data Mining Lineare und logistische Regression Decision Trees, Random Forests, Boosting Clustering-Methoden Wahl des richtigen Modells in Abhängigkeit von Daten und Aufgabe Erkennung von Overfitting und Strategien dagegen Interpretierbarkeit von Vorhersagen Hyperparameter Modellvalidierung und die Verlustfunktion Die wichtigsten Tools und Methoden des maschinellen Lernens Python für Machine Learning Anbindung von Datenquellen Praxisprojekt: Entwicklung und Validierung eines eigenen Vorhersagemodells Tag 4+5: Deep Learning Donnerstag und Freitag Die künstliche 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 künstlicher neuronaler Netze und den Einsatz für KI-Anwendungen mit Hilfe von Tools wie TensorFlow und Keras von Google. Sie entwickeln selbst neuronale Netze für Mustererkennung und Vorhersagen. Bedeutende Fortschritte wurden mit Deep Learning in der Spracherkennung und Bilderkennung gemacht, aber auch für Zeitreihen und viele andere Daten hat sich Deep Learning zu einer der wichtigsten Methoden entwickelt gehört 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 Prüfungsfragen, 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 KI Funktionen, Anzahl und Größe der Layer Feedforward-Netz Nichtlineare Aktivierungsfunktionen Verlustfunktion (Loss Function) Stochastischer Gradientenabstieg Backpropagation-Algorithmus Tool-Überblick: TensorFlow, Keras, Python, Jupyter Notebooks, R, … Regularisierung im Deep Learning zur Vermeidung von Overfitting Fortgeschrittene Netzarchitekturen im Überblick, z.B. ConvNets Praxisprojekt Deep Learning

Zielgruppe

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.

Hinweise zur Prüfung und Zertifikat/Abschluss

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 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.

Förderungsmöglichkeiten

Bildungsurlaub je nach Bundesland möglich. Als Einzelperson oder KMU aus NRW übernimmt das Land NRW bis zu 50% der Kosten für die Kurse von IOMIDS.

Teilnahmevorraussetzungen

Vorkenntnisse werden explizit nicht verlangt. Wer schon erste Vorkenntnisse mitbringt, ist aber in dieser Schulung auch gut aufgehoben.

Preishinweis

Preis inkl. MwSt. Der Preis beinhaltet die Schulung inkl. der Unterlagen zur Vorlesung sowie natürlich auch Getränke und das Mittagessen. Außerdem erhalten Sie einen Zugang zu unserer E-Learning Plattform, sowie hilfreiche Dokumente für Ihre künftigen Projekte.