Ironhack Remote Data Analytics Bootcamp

Während deiner ersten 60 Stunden als offizieller Ironhack Data Analytics Student legst du den Grundstein für deinen Erfolg in Remote. Während der Prework-Phase wirst du:

1. die Grundlagen der Kommandozeile, Git, Python, MySQL und statistischen Analyse kennenlernen,

2. sich mit den Grundlagen der Programmierung und Statistik vertraut zu machen und

3. verbinde dich bei Slack mit deinen Klassenkameraden und unserem Lehrpersonal.

Sobald du die Vorbereitungsmaterialien bearbeitet und mit deiner Klasse synchronisiert hast, bist du bereit, in den Kurs einzusteigen!

In den ersten zwei Wochen lernen du und deine Klassenkameraden die Welt der Datenanalyse kennen. Anschließend richtest du deinen Computer für die Zeit im Bootcamp ein, während du dich in unserer Data Community einlebst.

Zu den Themen gehören:

- Einführung in das Thema Data Wrangling/Bereinigung.

- APIs und Web-Scraping.

- Fortgeschrittene Level von Git, SQL und Python.

In Woche drei wartet dein erstes Projekt als Data Analyst in Ausbildung! Wende deine neuen Python-Kenntnisse an, indem du die Datenanalyse mit realen Datensätzen durchführst.

In den Wochen vier und fünf wirfst du einen tieferen Blick in die Mathematik hinter der Datenanalyse.

Zu den Themen gehören:

- Verwendung von Python zum Verständnis von inferentiellen Statistiken und Wahrscheinlichkeiten.

- Integration von Python in die Grundlagen der Business Intelligence.

- Erlernen von Storytelling-Techniken, um deine Daten und Erkenntnisse in Präsentationen zu visualisieren.

Die sechste Woche markiert den Beginn deines zweiten Projekts: eine vollständige Datenanalyse. Diese wird aus Daten aufgebaut, die du aus echten Datensätzen verarbeitet, bereinigt und visualisiert hast!

Das letzte Modul führt dich in den Wochen sieben und acht in die Grundlagen des Machine Learning ein. Wir beginnen damit, dir das Verständnis für den Machine Workflow beizubringen, und der Unterricht wird dann weiter darauf aufgebaut.

Zu den Themen gehören:

- Sowohl überwachtes als auch unbeaufsichtigtes Lernen.

- Die Grundlagen der gängigen Machine Learning-Algorithmen

- Erstellen, Trainieren und Auswerten von Modellen mit der Scikit-Learn Machine Learning Library.

In der letzten Woche dieses Moduls und Kurses stehst du vor deiner letzten und größten Herausforderung: dem Aufbau eines End-to-End-Projekts für Machine Learning. Du musst einen Datensatz verarbeiten, Merkmale extrahieren, ein Modell trainieren und dieses Modell verwenden, um Vorhersagen über neue Daten zu treffen. Wenn dein Projekt abgeschlossen ist, wirst du mit deinen Kommilitonen in unserer Hackshow konkurrieren.