Modulübersicht Modul 1 - Data Science Anwendungsfälle und Vorgehensmodelle
Modul 2 - Kommunikation, Stakeholder Management und Compliance
Modul 3 - Data Engineering
Modul 4 – Data Science Models and Cloud Tools matplotlib ) konzentrieren. Danach werden wir uns mit den am häufigsten verwendeten Bibliotheken für maschinelles Lernen (wie z.B. scikit-learn) beschäftigen.In diesem Modul erlernen wir die am häufigsten verwendeten Algorithmen des maschinellen Lernens für Vorhersagen. Wir werden uns mit Supervised (wie lineare Regression) und Unsupervised Learning (wie Clustering oder Anomaly Detection) beschäftigen und dabei viele praktische Übungen bearbeiten. Die Grundlagen von Cloud-Technologien wie Kubernetes und Virtualisierung werden unterrichtet. Insbesondere werden wir Sie mit MS Azure, Google Cloud und Amazon Web Services vertraut machen. Abschließend werden wir uns ansehen, wie man solche Lösungen in einer bestehenden Softwarelandschaft einsetzen kann. Zur Abrundung des Moduls wenden wir uns konkreten Anwendungsfällen aus der Unternehmenspraxis zu.
Transferarbeit
Die Teilnehmenden schlagen ein Projekt/Problem aus ihrem Unternehmen oder aus eigenem Interesse vor
Der Vorschlag wird mit den Dozierenden besprochen und von ihnen genehmigt oder Änderungen werden vorgeschlagen
Die Teilnehmenden haben während des CAS Zeit, unter Anleitung der Dozierenden an ihrem Projekt zu arbeiten
Die Projekte werden am letzten Tag des CAS präsentiert
Ziel ist es, dass die Teilnehmerinnen und Teilnehmer Erfahrungen mit einem realen Problem sammeln, das einen Mehrwert für ihren Lebenslauf oder für ihr Unternehmen darstellt.
Schliessen
