Module des Data Science Education Plans

Sie möchten mehr zum Data Science Education Plan erfahren? Sie wollen wissen, welche konkreten Schulungsinhalte dahinter stehen? Hier finden Sie eine Übersicht aller Module.

Drucken

Module des initialen Curriculums

DATA SCIENCE PROJECT MANAGEMENT

  • Project Management Concepts and Systems for Data Science Project

BASIC IT TOOLS AND DATA SCIENCE TOOLS

  • Basics on classical DBs and Data Modelling
  • Overview noSQL DBs
  • Advanced Programming Course for SQL
  • Basic Programming Course for Python 
  • Basic Programming Course for R
  • Microservices 
  • Microsoft Azure
  • Overview on up to date IT Systems
  • Data Visualization

DATA SCIENCE METHODS

  • Statistical Theory
  • Statistical Methods
  • Basic Concepts for Machine Learning
  • Classic supervised Methods
  • Unsupervised Learning and Dimension Reduction
  • Handling large Datasets

DATA SCIENCE USE CASES

  • Data Science and Business Intelligence Boot Camp
  • Use Case Workshop

Basis Module
Fortgeschrittene Module
Ergänzungen

Wie sehen die Inhalte eines Moduls aus?

BEISPIEL: BASIC PROGRAMMING COURSE FOR PYTHON
Python gilt heute für viele Entwickler als die beste Programmiersprache für Data Science. Es existieren zahlreiche frei verfügbaren Bibliotheken und eine breite Entwicklerbasis. Die flache Lernkurve macht Python perfekt geeignet für den Einsatz im Rapid Prototyping. Viele Data Scientisten haben bereits Vorerfahrungen mit anderen Programmiersprachen und können im Rahmen einer Schulung den Einstieg in Python meistern. In dieser Schulung erklären wir die Grundkonstrukte in Python und unterstützen bei der Installation und Einrichtung von verschiedenen Python IDEs. Wir zeigen anhand von Beispielprojekten die Best Practices für Programmierstil und führen Übungen zur Verbesserung der eigenen Programmierung durch. Einen besonderen Fokus legen wir auf Übungen mit Data Science Libraries, wie Numpy, SciPy, Matplotlib und Pandas. Der Abschluss des Workshops bildet ein Mini-Hackathon, damit Teilnehmer lernen, Data Science mit Python für ihre Anwendungsfälle einzusetzen. Der Aufbau der Schulungen folgt dem Ansatz, dass Schulungsteilnehmer zuerst Wissen zu der Technologie aufbauen und dann für sich nutzbar machen, indem sie es für ihren Anwendungsfall einsetzen und evaluieren.

Sie haben Fragen?

Wir beraten Sie gerne.

Und nach dem initialen Curriculum?

Nach Abschluss des initialen Curriculums ist bei uns noch lange nicht Schluss. Sollten Sie weitere oder tiefergehende Lerninhalte benötigen, können wir Ihnen mögliche, nächste Module anbieten: 

DATA SCIENCE PROJECT MANAGEMENT

  • Using JIRA in Project Management

BASIC IT TOOLS AND DATA SCIENCE TOOLS

  • Using Microsoft Azure Data Bricks
  • MongoDB and Neo4J
  • Advanced programming course for Phyton
  • Advanced programming course for R
  • Using Spark
  • Tableau and Microsoft Power BI
  • GUI-geführtes Data Mining mit SPSS Modeler

DATA SCIENCE METHODS

DATA SCIENCE USE CASES

  • MVP (Minimum Viable Product) / Prototyping
  • Hackathon
  • Design Thinking / Ideation

Wie sehen die Inhalte bei weiterführenden Modulen aus?

BEISPIEL: USING SPARK
Spark ist ein Framework für parallelisiertes Arbeiten auf einem verteilten Cluster und gilt aufgrund seiner Effizienz und Flexibilität im Umgang mit großen (semi-)strukturierten Daten als das Schweizer Taschenmesser im Bereich Big Data. Diese Schulung dient dem Einstieg in die verteilte Programmierung und schafft die Grundlage für das Arbeiten mit Spark. In der Schulung werden theoretische Konzepte vermittelt, der Fokus liegt jedoch auf der Umsetzung von praktischen Übungen, die das zuvor Erlernte festigen. Themen sind häufig verwendete Bibliotheken, RDD, Spark SQL, Dataframes und Machine Learning mit Spark. Nach der Schulung sind die Teilnehmer in der Lage, Datentransformationen und -aggregationen mittels Spark durchzuführen und haben bereits ihr erstes Modell erstellt und zur Vorhersage benutzt.

Weiterführende Informationen

Ihr Ansprechpartner

Gert Jan Feick

Business Unit Manager

T +49 69 56608-3000

E-Mail senden