Data Scientist: Tools für Data Scientists und Data Scientist Forschung

Data Science & AI Grundlagen für forschungsnahe Anwendungen -Einführung in Data Science, Machine Learning, AI und Künstliche Intelligenz -Analyse wissenschaftlicher und geschäftlicher Data mit Python, UNIX & Git -Verwendung von GitHub zur kollaborativen Code- und Forschungsarbeit -Überblick über Rollen, Research Cases und datengetriebene Forschung Essenzielle Tools für Data Scientists -Umfassender Einsatz von Pandas, Numpy und SQL für Data Handling -Datenvisualisierung, explorative Analyse und Hypothesentests -Data Cleaning, Data Wrangling und dokumentierte Research Pipelines -Strukturierte Datenanalysen mit wissenschaftlichem Anspruch Machine Learning für Forschung & Innovation -Anwendung von Klassifikations- und Regressionsmodellen in Forschungsszenarien -Bewertung, Vergleich und Optimierung von Algorithmen für reproducible Science -Automatisierte Modellierung mit GridSearch, Pipelines und Feature Selection -Verantwortungsvoller Einsatz von AI im forschungsgetriebenen Data Science Prozess AI Frameworks & Deep Learning Methoden -Verwendung von Tensorflow, Keras, NLP-Methoden und Transfer Learning -Unsupervised Learning, Clustering und Dimensionsreduktion für explorative Forschung -Zeitreihenanalyse und Text Mining im wissenschaftlichen Umfeld -Künstliche Intelligenz zur Modellierung komplexer Zusammenhänge in Big Data Data Science Projekte & Forschungsarbeit -Eigenständiges Projekt mit Fokus auf wissenschaftliche Fragestellungen -Einsatz agiler Methoden zur Strukturierung interdisziplinärer Data Science Forschung -Entwicklung eines datenbasierten Research-Prototyps mit AI-Anbindung -Präsentation der Ergebnisse für Fachpublikum und nicht-technische Stakeholder