Beschreibung
Modul 01: Einstieg in die Programmierung mit Python
- Was ist Programmieren? Grundbegriffe und Tools
- Python: Syntax, Variablen, Kontrollstrukturen
- IDEs, Jupyter Notebooks, Colab
- Übung: Erste kleine Python-Projekte
Modul 02: Datenstrukturen und Funktionen
- Listen, Dictionaries, Sets, Tupel
- Schleifen und Bedingungen kombinieren
- Eigene Funktionen schreiben und verstehen
- Übung: Textverarbeitung, Datenfilterung
Modul 03: Objektorientierung und Module
- Klassen, Objekte, Methoden
- Wiederverwendbarer Code mit Modulen und Packages
- Einführung in pandas, matplotlib, numpy
- Projekt: Mini-Projekt „Datenanalyse light“
Modul 04: Grundlagen Data Science & Visualisierung
- Daten importieren, bereinigen, analysieren
- Grundlegende Diagramme und Statistiken
- Datenjournalismus & Reporting mit Python
- Projekt: Interaktive Auswertung + Plotting
Modul 05: Einführung in Machine Learning
- Was ist Machine Learning? Supervised vs. Unsupervised
- scikit-learn Basics: Modell-Workflow verstehen
- Daten vorbereiten, Modelle trainieren
- Übung: Lineare Regression, Entscheidungsbäume
Modul 06: Vertiefung Machine Learning & Modellvergleich
- Klassifikation, Regression, Clustering
- Modellgüte bewerten: Accuracy, Precision, F1, ROC
- Hyperparameter-Tuning, Cross-Validation
- Projekt: Vergleich mehrerer ML-Modelle
Modul 07: Praxisprojekt I – Datengetriebenes Produkt entwickeln
- Use Case auswählen (z. B. Kundenvorhersage, Bewertungssystem)
- Datenquellen integrieren, Pipeline bauen
- Ergebnis visualisieren und dokumentieren
- Abschlusspräsentation (intern)
Modul 08: Grundlagen Deep Learning
- Neuronale Netze verstehen (theoretisch & praktisch)
- Keras/TensorFlow: Erste Modelle aufbauen
- CNN, RNN – wofür und wie?
- Übung: Bildklassifikation oder Textanalyse
Modul 09: Praxisprojekt II – Machine Learning im Realbetrieb
- Projektidee aus dem eigenen Umfeld umsetzen
- Deployment-Konzepte, Streamlit, Gradio
- Abschlusspräsentationen + Feedback
- Zertifikat: Abschlusspräsentation & Transferaufgabe