Künstliche Intelligenz und Machine Learning für Wirtschaftsingenieure

Modulbeschreibung

Dieser Kurs befähigt Wirtschaftsingenieure, datengetriebene Projekte mit Machine Learning effizient umzusetzen. Mit Methoden der Datenaufbereitung und explorativen Analyse lernen die Teilnehmenden, Datensätze mit Python visuell und statistisch zu untersuchen. Grundlagen des maschinellen Lernens vermitteln, wie Modelle für Prognosen und Optimierungen entwickelt und interpretiert werden können. SQL-Kenntnisse ermöglichen es, relationale Datenbanken effektiv zu nutzen und komplexe Abfragen für Analysen zu erstellen. Abgerundet wird der Kurs durch ein Modul zum agilen Projektmanagement, das praxisorientierte Ansätze zur erfolgreichen Durchführung datenbasierter Projekte bietet.

!Was macht ein Data Scientist?
Ein Data Scientist analysiert und interpretiert große Datenmengen, um fundierte Entscheidungen treffen zu können. Zu den Aufgaben gehört die Entwicklung von Analysemethoden, das Identifizieren von Mustern und Trends, die Verarbeitung und Analyse von unstrukturierten Daten, die Implementierung von Automatisierungen und das Aufsetzen von Machine Learning Algorithmen und KI. Sie arbeiten eng mit anderen Abteilungen zusammen, um Geschäftsprozesse zu optimieren. Die im Training erworbenen Fähigkeiten in Analyse, Programmierung und Machine Learning sind dabei essenziell, um als Data Scientist erfolgreich zu sein.

!Working methods and tools
In the field of data science, advanced methods and technologies are essential for precisely analyzing data and developing models. Machine learning and neural networks play a central role here, especially in applications such as deep learning, cluster analysis and time series analysis. Methods such as unsupervised learning and predictive data analytics enable the analysis of large amounts of data and the derivation of forecasts.

Programming languages such as Python offer powerful tools for data processing and data modeling with libraries such as Pandas Python. Special concepts such as decorators in Python, Python modules and Python unit tests support the development of modular and clean software. Clean Code and Test Driven Development contribute to quality assurance and efficiency, while Unit Testing and Git Branching promote project collaboration and stability. Bash scripts are useful for automating workflows in data processing.

Statistical methods such as descriptive statistics, variance analyses and random forests complement the technical approaches with well-founded data analyses. A comprehensive understanding of these methods is essential in order to carry out well-founded evaluations and recognize patterns in complex data sets.

Logical thinking and structured working methods are of great importance for data scientists. A computer science course or further IT training offers the opportunity to delve deeper into the methods of computer science. A computer science certificate documents the knowledge acquired and the ability to carry out sophisticated data analysis and modeling independently.