Analytics

  • grundlegende Methoden, Techniken und Vorgehensweisen in Data Science
  • Verständnis darüber, wie relevante Muster in Daten entdeckt und kommuniziert werden können
  • Grundlagen der Statistik, der Programmierung und der Visualisierung, sowie die Integration dieser Grundlagen in Anwendungen
  • Überblick über die wichtigsten Konzepte und Vorgehensweisen im Maschinellen Lernen; Anwendung entsprechender Verfahren zur Modellierung Praxis-relevanter Probleme
  • aktuelle Bearbeitungsplattformen und Frameworks zum Management großer verteilter Datenmengen
  • Bias und Transparenz von Algorithmen des Maschinellen Lernens
  • Herausforderungen beim produktiven Einsatz Daten-getriebener Software
  • ausgewählte erweiterte Konzepte und Anwendungsbereiche