Zertifikatslehrgang Data Analytics & Data Science

Ziel:
Einführung in die Programmierung mit Python

Beschreibung:
Teilnehmende machen sich mit der interaktiven Lernumgebung
– dem Data Lab von StackFuel – und der Programmiersprache
Python vertraut.

Kapitel 1 – Python Basics:
Teilnehmende bewegen sich zum ersten Mal im Data Lab und
machen sich mit den Grundlagen der Programmierung vertraut.
Sie lernen, Zahlen und Texte als Variablen in Python zu speichern
und diese als Gruppen in Listen zu bündeln. Die sachgemäße
Leseart von Fehlermeldungen rundet das Grundlagenwissen ab.

Kapitel 2 – Programming Basics:
Teilnehmende bauen ihre Programmiergrundlagen weiter
aus. Die Anwendung von Funktionen und Methoden sowie von
Ablaufkontrollen mithilfe von Bedingungen stehen im Fokus
dieses Kapitels.

Kapitel 3 – Loops and Functions:
Das letzte Kapitel des Grundlagenmoduls widmet sich der
Ablaufkontrolle unter Verwendung von Schleifen. Teilnehmende
erweitern ihren Funktionsumfang durch das Importieren
weiterer Python-Pakete und erhalten einen Einblick in die
Versionierung von Code mit Git. Mit Abschluss des Kapitels kennen
Teilnehmende die wichtigsten Programmierungskonzepte, die für
die Arbeit als Data Analyst wichtig sind

Ziel:
Eigenständige Sammlung, Analyse und Visualisierung von Daten
mit Python

Beschreibung:
Teilnehmende lernen, neue Datenquellen zu erschließen, zu
filtern und zusammenzuführen. Sie üben, Unternehmensdaten in
dynamischen Dashboards interaktiv zugänglich zu machen und
selbstständig klassische Datenverarbeitungsprozesse durchzuführen
(Daten einlesen, filtern, reinigen verarbeiten und visualisieren).

Kapitel 1 – Data Pipelines (Pandas):
Dieses Kapitel vermittelt die effiziente Nutzung von Pandas – das
Standardwerkzeug eines Data Analysts in Python. Teilnehmende
lernen, damit Daten in CSV-Dateien einzulesen, zu bereinigen und zu
aggregieren.
Mit Beginn des zweiten Moduls erhalten die Teilnehmenden
Hilfestellungen zur Optimierung ihrer Online-Präsenz als
Data Analyst.

Kapitel 2 – Data Exploration (Matplotlib):
Teilnehmende üben mit Hilfe von Marketingdaten die Visualisierung
verschiedener Datenniveaus. Numerische Daten werden als
Histogramme und Streudiagramme dargestellt, während
kategorische Daten als Säulen- und Tortendiagramme a
bgebildet werden.

Kapitel 3 – Predictions (Statistics):
Teilnehmende erlernen anhand von Produktbewertungen
statistische Begriffe wie Median und Quartile. Sie identifizieren
Ausreißer und erstellen einfache Vorhersagen mit der linearen
und logistischen Regression. Darüber hinaus rückt die Erzeugung
eines eigenen Data Analytics Portfolios in den Fokus der
Teilnehmenden, wofür sie praktische Tipps an die
Hand bekommen.

Kapitel 4 – Internal Data (SQL):
Die Teilnehmenden lernen, Datenbanken am Beispiel einer
Personaldatenbank auszulesen und Standard-SQL-Abfragen
zu formulieren.

Kapitel 5 – External Data (API):
Teilnehmende greifen mit Hilfe von Python auf Informationen wie
Webseiten und von StackFuel konzipierte APIs im Internet zu.

Kapitel 6 – Advanced Jupyter:
Teilnehmende lernen Jupyter-Funktionalitäten kennen und lösen
fortgeschrittene Visualisierungsprobleme wie Live-Updates und
Interaktivität im Kontext eines Aktienmarktszenarios.

Kapitel 7 – Exercise Project:
Teilnehmende analysieren ein New-Yorker-Taxidatenset mit
über einer Million Fahrten und setzen ihre Python-Fähigkeiten
möglichst eigenständig ein, um vorgegebene Fragestellungen
zu beantworten.

Kapitel 8 – Final Project:
Teilnehmende analysieren die Kundenabwanderungen eines
Telekommunikationsunternehmens. Sie durchlaufen die
gesamte Daten-Pipeline selbstständig und beantworten typische
Fragestellungen. In einem 1-on1-Feedbackgespräch mit dem
Mentorenteam von StackFuel präsentieren sie ihr Projekt.

Ziel:
Lösen von überwachten und unüberwachten Machine-LearningProblemen mit sklearn

Beschreibung:
Teilnehmende erstellen Data-Science-Workflows mit sklearn,
evaluieren ihre Modell-Performance anhand von geeigneten Metriken
und werden für das Problem des Overfittings sensibilisiert.

Kapitel 1 – Supervised Learning: Regression:
Anhand der linearen Regression erlernen Teilnehmende den Umgang
mit dem Python-Paket sklearn. Weiterhin beschäftigen sie sich mit
den Annahmen des Regressionsmodells und der Evaluation der
erzeugten Prognosen. In diesem Zuge werden auch der Bias-Variance
Trade-Off, Konzepte der Regularisierung sowie verschiedene Maße
der Modellgüte verdeutlicht.

Kapitel 2 – Supervised Learning: Classification:
Teilnehmende werden in Klassifizierungsalgorithmen anhand
des k-Nearest-Neighbors-Algorithmus eingeführt und lernen, den
Algorithmus zu evaluieren und die Klassifizierungsperformance
einzuschätzen. Sie optimieren die Parameter ihres Modells unter
Beachtung der Aufteilung der Daten in Trainingsund Evaluationssets.

Kapitel 3 – Unsupervised Learning: Clustering:
Teilnehmende lernen den k-Means-Algorithmus als Beispiel eines
Algorithmus des unüberwachten Lernens kennen. Die Annahmen
und Performance-Metriken des Algorithmus werden kritisch
beleuchtet und ein kurzer Ausblick auf eine Alternative zum k-MeansClustering geworfen.

Kapitel 4 – Unsupervised Learning:
Dimensionality Reduction: Teilnehmende lernen, wie sie mithilfe
einer Principal Component Analysis (PCA) die Dimension der
Daten verringern können und nutzen die PCA, um unkorrelierte
Features aus den Ursprungsdaten zu erzeugen. In diesem
Zusammenhang wird das Thema Feature Engineering näher
betrachtet und aus den alten Features neue erzeugt.

Kapitel 5 – Outlier Detection:
Teilnehmende lernen verschiedene Ansätze kennen, um
Ausreißer zu identifizieren und verstehen, mit diesen
ungewöhnlichen Datenpunkten umzugehen. Sie nutzen robuste
Maße und Modelle, um den Einfluss der Ausreißer zu minimieren.

Ziel:
Erweiterung des eigenen Data-Science-Toolkits

Beschreibung:
Teilnehmende intensivieren ihre Kenntnisse über Modelle zur
Klassifikation von Daten. Dabei erweitern sie ihre Fähigkeiten im
Sammeln und Aufbereiten von Daten.

Kapitel 1 – Data Gathering:
Teilnehmende lernen, Daten zu sammeln, indem sie Webseiten
und PDF-Dokumente auslesen. Mithilfe von Regular Expressions
strukturieren sie gesammelte Textdaten so, dass sie diese zusammen
mit bekannten Algorithmen verwenden können. Mit Beginn des
zweiten Moduls erhalten die Teilnehmenden Hilfestellungen zur
Optimierung ihrer Online-Präsenz als Data Scientist.

Kapitel 2 – Logistic Regression:
Teilnehmende lernen einen zweiten Klassifizierungsalgorithmus
kennen: die logistische Regression. Sie nutzen neue PerformanceMetriken zur Evaluation der Ergebnisse und erfahren, wie sie nichtnumerische Daten für ihre Modelle nutzbar machen.

Kapitel 3 – Decision Trees and Random Forests:
Teilnehmende lernen den Entscheidungsbaum als leicht zu
interpretierendes Modell kennen. Sie kombinieren mehrere Modelle
zu einem Ensemble, um die Vorhersagen ihres Modells zu verbessern.
Weiterhin erhalten sie Methoden zu unausgeglichenen Kategorien
an die Hand. Darüber hinaus rückt die Erzeugung eines eigenen
Data Science Portfolios in den Fokus der Teilnehmenden, wofür sie
praktische Tipps an die Hand bekommen.

Kapitel 4 – Unsupervised Learning:
Dimensionality Reduction: Teilnehmende lernen, wie sie mithilfe
einer Principal Component Analysis (PCA) die Dimension der
Daten verringern können und nutzen die PCA, um unkorrelierte
Features aus den Ursprungsdaten zu erzeugen. In diesem
Zusammenhang wird das Thema Feature Engineering näher
betrachtet und aus den alten Features neue erzeugt.

Kapitel 5 – Outlier Detection:
Teilnehmende lernen verschiedene Ansätze kennen, um
Ausreißer zu identifizieren und verstehen, mit diesen
ungewöhnlichen Datenpunkten umzugehen. Sie nutzen robuste
Maße und Modelle, um den Einfluss der Ausreißer zu minimieren.

Kapitel 4 – Support Vector Machines:
Teilnehmende lernen einen letzten Klassifizierungsalgorithmus
kennen – Support Vector Machines (SVM) und beleuchten das
Verhalten verschiedener Kernel für die SVM. Außerdem erlernen
sie die typischen Schritte des Natural Language Processing (NLP)
und bearbeiten ein NLP-Szenario unter Verwendung von Bag-ofWords-Modellen.

Kapitel 5 – Neural Networks:
Teilnehmende werden in künstliche neuronale Netze eingeführt
und lernen mehr über Deep Learning. um ein künstliches
neuronales Netzwerk mit mehreren Schichten zu erzeugen und
auf ein Datenset anzuwenden.

Ziel:
Selbstständiges Anwenden einfacher und komplexer Modellierungen

Beschreibung:
Teilnehmende erlangen Souveränität im Lösen von Data-ScienceProblemen und lernen, Ergebnisse kompetent zu kommunizieren.

Kapitel 1 – Visualization and Model Interpretation:
Teilnehmende erlernen wichtige Methoden zur Interpretation
und Visualisierung von Machine-Learning-Modellen. Durch die
Verwendung modelagnostischer Methoden zur Interpretation lernen
sie Erkenntnisse zur Funktionsweise ihrer Modelle abzuleiten und zu
kommunizieren.

Kapitel 2 – Spark:
Teilnehmende erfahren, weshalb die Arbeit mit verteilten
Speichersystemen relevant ist. Mit dem Python-Paket PySpark
erlernen sie verteilte Datenbanken auszulesen, Big-Data-Analysen
durchzuführen und bekannte Machine-Learning-Algorithmen auf
verteilten Systemen zu nutzen.

Kapitel 3: Exercise Project:
Teilnehmende bearbeiten ein Prädiktionsproblem mit Hilfe eines
größeren Datensets und setzen ihre Data-Science-Fähigkeiten von
der Reinigung des Datensets bis zur Interpretation des Modells
eigenständig ein. In einer individuellen Projektbesprechung mit dem
Mentorenteam von StackFuel erhalten Teilnehmende Feedback zu
ihrem Lösungsansatz.

Kapitel 4 – Final Project:
Teilnehmende erhalten ein weiteres größeres Datenset, das sie
selbstständig analysieren und im Vergleich zum Übungsprojekt
mit weniger Hilfestellungen lösen müssen. In einer individuellen
Projektbesprechung mit dem Mentoring Team von StackFuel
erhalten Teilnehmende Feedback zu ihrem Lösungsansatz.