AI Data Science Programmierung für Fortgeschrittene (Hybrid)
exkl. MwSt.
Trainingsprogramm Fakten
Key learnings
Ziel ist es, fortgeschrittenen Lernenden die Möglichkeit zu geben, Data-Science-Lösungen mit Python zu entwerfen,
zu optimieren und einzusetzen, indem fortgeschrittene Analysemethoden,
maschinelles Lernen und skalierbare Datenverarbeitungstechniken auf komplexe,
reale Probleme angewendet werden.
Anforderungen
• Sehr gute Python-Kenntnisse
• Praktische Erfahrung mit Pandas, NumPy und Datenanalyse
• Grundkenntnisse in Machine Learning
• Erfahrung mit Jupyter Notebooks und Git (empfohlen)
Programm Inhalt
| 1 Woche | Modul | Methode | Bemerkung / Hilfsmittel |
| Mon | (9:00) Data Normalization
(10:00) Exercises data normalization (11:00) 1 hour (coding together) Big Data Normalization and model preparation |
Frontal & Brainstorming
Selbstorganisiertes Lernen Frontal |
PP Präsentation
|
| (13:00) Imputation and Data Cleaning
(14:30) Exercises in data cleaning: how fast can you clean your dataset? (15:30) 1 hour (coding together) tutorial: Working with massive datasets (16:30) Independent work on Projects |
Frontal & Brainstorming
Plenum & Trainer shows how to use Python Environment in Git.
Gruppenarbeit, Diskussion und anschliessend Lösung im Plenum Einzelarbeit (Indiv.) Als Hausaufgabe |
Github Account und Open source Programmierung
Einzelarbeit. Anschliessend wird der Trainer das Frontal bewerten und analysieren.
Verbindung mit dem Training Server muss da durch RDP (Remote Desktop Protocol) hergestellt werden. Technische Anforderung auf dem Training Server: PyChar (as open source full featured IDE ). It must be downloaded and installed locally on every Student-Laptop. |
|
| Tue | (9:00) Multicollinearity
(10:00) 30 min exercises and 30 min solutions on solving Multicollinearity (11:00) 1 hour (coding together) implementing automated checks |
Frontal Einzelarbeit Gruppenarbeit |
Verbindung mit dem Training Server muss da durch RDP
(Remote Desktop Protocol) hergestellt werden. |
| (13:00) Advanced data transformations for addressing multicollinearity
(14:30) Exercises in multicollinearity: when to transform? (15:30) 1 hour (coding together) advanced data imputation (16:30) 1.5 hours Project Work & Questions |
Frontal
Gruppenarbeit
Gruppenarbeit
Einzelarbeit |
PP Präsentation
Github Account und Open source Programmierung through Git Repository. (Local Desc Drive & SSH Key for Remote) -For all afternoon-
|
|
| Wed | (9:00) Dimensionality Reduction
(10:00) Exercises in PCA, kPCA (11:00) 1 hour (coding together) tutorial in Python – Reducing data dimension, and making predictions. |
Frontal
Plenum & Trainer shows how to create SQL Queries in Git.
Gruppenarbeit
|
Alle Studenten installieren Postgre DB auf Ihre Laptops |
| (13:00) 1 hour QUIZ to re-cap major topics in statistics
(14:00) 1.5 hour lecture on Heteroscedasticity and ANOVA (15:30) 1 hour (coding together) tutorial on analysis of variance in python (16:30) 1.5 hours Project Work & Questions
|
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit |
Alle Studenten installieren SQLAlchemy/Alembic auf Ihre Laptops. | |
| Thur | (9:00) Introduction to Object Relational Databases
(10:00) 30 min exercises on Database Queries & 30 min solutions & explanation (11:00) 1 hour (coding together) Setting up a Postgres Database
|
Frontal
Einzelarbeit & Support vom Trainer Gruppenarbeit
|
Cheat-Sheet for python modules used in Boot Camp |
| (13:00) 1.5 hour lecture on Postgres + Pandas and SQLAlchemy
(14:30) 30 min exercises on Postgres Operations and SQLAlchemy & 30 min solutions and explanations (15:30) 1 hour (coding together) tutorial on Pandas + SQLAlchemy (16:30) 1.5 hours Home exercises and coding practice. |
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit
|
||
| Fri | (9:00) Lecture: Bit Data – how to deal with super massive datasets?
(10:00) Exercises and Solutions for manipulation of big data (11:00) 1 hour (coding together) tutorial on Big Data handling |
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit |
Pydantic is a Python package that can offer simple data validation and manipulation. It must be downloaded and installed on Students Laptops. |
| (13:00) 1.5 hour lecture on Time-Series data: How is it different?
(14:30) 1-hour exercises on manipulation of dependant datasets (15:30) 1 hour (coding together) tutorial on timeseries datasets in python (pandas) (16:30) 1.5 hours Project Work & Questions |
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit |
Redis is an in-memory key-value pair database typically classified as a NoSQL database.
It must be downloaded and installed on Students Laptops.
|
| 2 Woche | Modul | Methode | Bemerkung / Hilfsmittel |
| Mon | (9:00) Lecture: Non-Linear regression for classification
(10:00) Exercises in Scikit-learn (11:00) 30 min solutions and explanations |
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit
|
Visual Studio Code (inkl. Javascript) muss vorher runtergeladen und auf Laptops der Studenten installiert werden. Internet Browser muss auch da verfügbar sein. Internetverbindung auch. |
| (13:00) Lecture on Assessing Classification Accuracy
(14:30) 30 min exercises + 30 min solutions Classification Accuracy (Predicted vs. Observed, ROC, MSE) (15:30) 1 hour (coding together) tutorial: Setting up a classification pipelin (16:30) 1.5 hours project work and questions |
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit
Gruppenarbeit & Quiz |
||
| Tue | (9:00) Introduction to Classification Trees
(10:00) Exercises in using Classifiers (11:00) Classification Tree Tutorial — voting on Thursday’s topic — |
Frontal Einzelarbeit & Support vom Trainer
Gruppenarbeit
|
Browser und Internet muss da verfügbar sein.
Verbindung zum Trainingsserver muss vorher verfügbar sein |
| (13:00) 1.5 hour lecture on Random Forest
(14:30) 30 min exercises + 30 min solutions in using the Random Forest Algorithm (Machine Learning) (15:30) 1 hour (coding together) tutorial: Preparing data for Random Forest (16:30) Project work and questions |
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit
Gruppenarbeit & Quiz |
Cryptools wie Whireshark oder cleopatra. | |
| Wed | (9:00) Machine Learning Lecture (SVM)
(10:00) Exercises in Scikit-learn (11:00) 30 min solutions and explanations |
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit |
Verbindung zum Trainingsserver muss vorher verfügbar sein |
| (13:00) 1.5 hour lecture on Bagging and Ensemble methods
(14:30) 30 min exercises + 30 min solutions on Machine Learning: how to use machine learning methods ? (15:30) 1 hour (coding together) tutorial: Setting up a machine learning model (16:30) 1.5 hours project work and questions |
Frontal
Einzelarbeit & Support vom Trainer Gruppenarbeit
Gruppenarbeit & Quiz |
||
| Thur | (9:00) Free Lecture (on voted topic)
(10:00) 30 min exercises and 30 min solutions on Forecasting (11:00) 1 hour (coding together) Setting up a forecasting pipeline |
Frontal
Einzelarbeit & Support vom Trainer Gruppenarbeit |
Flask als Python geschriebenes Webframework Muss da mit installiert sein. |
| (13:00) Data Structures and Algorithms
(14:30) 1 hour data-structures & algorithms (15:30) 1 hour (coding together) tutorial on Data Structures and Algorithms (Technical Interview Prep) (16:30) 1.5 hours Project Work & Questions |
Frontal
Einzelarbeit & Support vom Trainer Gruppenarbeit Gruppenarbeit & Quiz
|
Flask als Python geschriebenes Webframework
Muss da mit installiert sein. |
|
| Fri | (9:00) Common Technical Interview Questions (algorithms walkthrough)
(11:00) Common project management frameworks (SCRUM / Agile) |
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit |
Cryptools wie Whireshark oder cleopatra. |
| (13:00) Technical Interview Drilling (all bootcamp participants practice job interviews + reviewing interviews)
(16:30) 1.5 hours Project Work & Questions |
Frontal
Einzelarbeit & Support vom Trainer
Gruppenarbeit
Gruppenarbeit & Quiz
|
Browser und
Cryptools wie Whireshark oder cleopatra. |
Fragen zum Programm?
Haben Sie Fragen zum Programm?
Ich möchte dieses Programm als Firmenprogramm buchen
AI Data Science Programmierung für Fortgeschrittene (Hybrid)
Jetzt Anmelden
AI Data Science Programmierung für Fortgeschrittene (Hybrid)
01.06.2026
12.06.2026
exkl. MwSt.
Zürich Airport