Projektmanagement mit Qualifizierung in Data Science - Qualifizierung in der Datenbankentwicklung und -programmierung

Nach Abschluss dieser Maßnahme können Sie Projekte in Unternehmen mit der traditionellen, agilen oder hybriden Vorgehensweise planen, leiten und steuern. Sie kennen verschiedene Vorgehensmodelle und deren Vor- und Nachteile. Anhand des Phasenmodells nach DIN 69901-2 führen Sie strukturiert durch den Projektlebenszyklus von der Initiierung bis zum Abschluss. Als Zusatzqualifikation verfügen Sie über Fachwissen im Bereich Data Science. Sie kennen unterschiedliche Regressionsverfahren und sind nicht theoretisch in der Lage, neuronale Netze zu programmieren, sondern haben dank Ihres Qualifikationsprojektes bereits einen ersten Praxisnachweis für spätere Arbeitgeber.

Grundlagen und Konzepte des Projektmanagements

• Einführung in das Projektmanagement
• Projektarten
• Aufgaben eines Projektleiters
• Agile Standards
• Vorteile der agilen Arbeitsweise
• Hybrides Projektmanagement
• Projekt-Initialisierung
• Projekt-Planung
• Projekt-Steuerung
• Kommunikationsmodelle

Data Science und Machine Learning Grundlagen

• Einführung in Machine Learning
• Lineare Regression
• Multiple Regression
• K-nearest-neighbor-Klassifizierung
• Logistische Regression
• Decision Trees
• Einführung in Unsupervised Machine Learning
• K-Means Clustering

Erweiterte Data Science Fähigkeiten

• Einführung in neuronale Netze
• Backpropagation
• Praxisarbeit: Programmierung neuronales Netzwerk
• Einführung in PyTorch
• Aktivierungsfunktionen
• Automatische Bilderkennung
• Hyperparameteroptimierung
• Erzeugung synthetischer Daten

Datenmanagement und -visualisierung

• Einführung in Pandas und Dataframes
• Datenreinigung
• Datenvisualisierung
• Datenvisualisierung geographischer Daten
• Qualifikationsprojekt Data Science