Studiere Data Analytics in Berlin und starte deine Tech-Karriere

Als offizieller Ironhacker im Bereich Datenanalyse erhältst du 60 Stunden Online-Lernmaterial mit den Schwerpunkten Kommandozeile, Git, Python, MySQL und statistische Analyse. Als Vorbereitung auf die Ausbildung im Bereich der Datenanalyse macht dich diese wichtige Vorarbeit mit den Grundlagen der Programmierung und Statistik vertraut, die für das Bootcamp notwendig sind. Darüber hinaus lernst du mehr über Tools wie ChatGPT (falls verfügbar) und wie du sie richtig einsetzt, um deine Lern- und Problemlösungsfähigkeiten zu verbessern. Das kommt dir sowohl in deinem Bootcamp als auch in deinem Beruf zugute.

Mit dieser Vorarbeit bist du mehr als gewappnet für dein Bootcamp, unabhängig davon, wie viel oder wie wenig technisches Wissen du mitbringst.

In diesem Anfangsmodul lernst du das Ironhack-Team, deine Lehrer/innen und die anderen Ironhacker kennen. Sobald du dich in deiner neuen Gemeinschaft eingelebt hast, wirst du deine Entwicklungsumgebung einrichten und die Ergebnisse deiner Vorarbeit überprüfen. Dann geht es an die Arbeit – mit einer Einführung in die Datenverarbeitung und -bereinigung, in APIs und Web Scraping sowie mit der Entwicklung von Git-, SQL- und Python-Kenntnissen. Außerdem werden dir Aspekte der Künstlichen Intelligenz und ihre Auswirkungen auf die Arbeitswelt vermittelt, damit du dich in der modernen technischen Welt zurechtfindest. (Diese Kurse laufen während deines gesamten Bootcamps weiter, damit du eine fundierte Ausbildung in diesem wachsenden Sektor erhältst).

Anschließend ist es an der Zeit, deine neuen Python-, API-Verbindungs- und Web-Scraping-Kenntnisse auf die Probe zu stellen! Bei deinem ersten Projekt wirst du einen völlig neuen Datensatz erstellen, den noch niemand zuvor verwendet hat. Dann teilst du sie mit deinen Mitstudierenden, indem du sie in einer SQL-Datenbank speicherst. Nun ist es an der Zeit, einen Vorgeschmack auf die Arbeit von Datenanalyst/innen zu bekommen!

In diesem Modul wirfst du einen genaueren Blick auf die Mathematik von Data Analytics. Du entwickelst mit Python ein Verständnis für Inferenzstatistiken und Wahrscheinlichkeitsrechnung sowie für die Grundlagen von Business Intelligence. Danach lernst du Storytelling-Präsentationstechniken, um deine Daten und Erkenntnisse zu visualisieren.

Am Ende deines Bootcamps wirst du die Grundlagen des maschinellen Lernens kennenlernen. Du wirst ein Verständnis für den ML-Workflow, überwachtes und nicht überwachtes Lernen und die Grundlagen gängiger ML-Algorithmen entwickeln. Schließlich wirst du mit Hilfe der ML-Bibliothek Scikit-learn Modelle erstellen, trainieren und auswerten. Du wirst erfahren, wie du ein komplettes ML-Projekt aufbaust, indem du einen Datensatz verarbeitest, Funktionen extrahierst und ein Modell trainierst und benutzt, um Prognosen für neue Daten zu erstellen. Nach Abschluss dieses Moduls wirst du in der Lage sein, ML auf reale Datensätze anzuwenden!

Hier lernst du auch die Cloud-Plattformen kennen und vertiefst dein Wissen über KI. Du wirst Tools wie ChatGPT (falls verfügbar) und andere LLMs kennenlernen und verstehen, wie du sie nutzen kannst, um deine Projekte und deine übertragbaren Kompetenzen zu optimieren. Zudem erhältst du ein tieferes Verständnis für KI-Ökosysteme (GCP, IBM, Amazon, Azure, OpenAI, soweit verfügbar).

Dein Abschlussprojekt wird äußerst komplex sein und erfordert, dass du dein neu erworbenes Wissen auf innovative Weise anwendest. Nach der Fertigstellung deines Projekts trittst du in unserer Hackshow gegen deine Mitstudierenden an und hast etwas Konkretes, das du in dein neues Portfolio aufnehmen und bei deinen nächsten Vorstellungsgesprächen vorzeigen kannst.

In Modul 4 bauen wir auf deinem bisherigen Wissen in Machine Learning auf und erkunden, wie Unsupervised Learning und Deep Learning in der Praxis angewendet werden. Du wirst auch praktische Erfahrung mit Tools wie Streamlit sammeln, mit denen du einfache Benutzeroberflächen für deine Projekte erstellen kannst, und Google BigQuery, ein leistungsstarkes Cloud-Tool zur Verwaltung und Analyse von großer Datenmengen.