Data Science Bootcamp

Werde in 12 Wochen ein Data Scientist, indem du dir die erforderlichen Kenntnisse in Python, Machine Learning, Deep Learning und NLP aneignest. Löse ein industrielles Datenproblem als Abschlussprojekt.

Jetzt bewerben
Datenwissenschaftler
clock

Vollzeit

1
2

Wochen

remote

Vor Ort / Online

language

Englisch

Programm Überblick

Hochschulabsolvent, Unternehmer oder willst du deine vorhandenen Fähigkeiten erweitern? In jedem Fall ist unser Bootcamp genau das, was du gesucht hast. Wir haben unseren Lehrplan sorgfältig so gestaltet, dass er die aktuellsten Technologien enthält, die derzeit auf dem Arbeitsmarkt gefragt sind. Das macht unser Data Science Bootcamp innovativ und ermöglicht dir den nächsten Schritt in deiner Karriere.

Ausgezeichnet als eines der besten Data Science Bootcamps weltweit

Constructor Learning’s Data Science Bootcamp wurde als eines der besten in der Welt ausgezeichnet.

course report award
switchup award

Bevorstehende Termine

Du musst einen Ort auswählen, um die nächsten Termine und Preise zu sehen.

Das sagen unsere Studenten

Lina Siegrist-Choo

Lina Siegrist-Choo

Data Science

Ich kann definitiv sagen, dass ich meinen Karriereplan ohne die Constructor Learning nicht verwirklichen könnte.

VorherPostdoctoral Researcher

NachherJunior Data Engineer bei Nestlé

Tiffany Carruthers

Tiffany Carruthers

Data Science

Nach Abschluss des Bootcamps konnte ich über das berufliche Netzwerk von Constructor's eine Stelle finden.

VorherData Engineer

NachherData Engineer bei Axpo

Seth Dow

Seth Dow

Data Science

Die Mitarbeiter von Constructor sind erstklassig und investieren in deinen Erfolg.

VorherMath Teacher

NachherData Analysis bei Migros

Wo unsere Studenten arbeiten

Auch du kannst hier arbeiten! Finde deinen Traumjob, wir helfen dir auf deinem Weg

Google
Swisscom
Ava
Ebay
Swiss International Air Lines

Was du lernen wirst

0

Vorbereitungsaufgaben 1-2 Wochen

Für die beste Lernerfahrung ist es wichtig gut vorbereitet zu starten. Daher haben wir einen Vorkurs zusammengestellt, der dich gezielt darauf vorbereitet. Je nach deinen Vorkenntnissen sind hierfür etwa 1-2 Wochen intensives arbeiten erforderlich.
  • Lerne über Statistik, Wahrscheinlichkeitsrechnung, lineare Algebra, Versionskontrolle und Python.
  • Über einen Slack-Kanal erhältst du dabei schnell und unkompliziert Hilfe durch unser Data Science Team.

0

Offene Runde

Triff deine Mitstudenten während der offenen Runde in der Woche vor Programmbeginn. Überprüfe die Vorbereitungsarbeit und tausche deine Probleme und Lösungen mit der Klasse aus.

1

Statistik und Versuchsplanung 6 Tage

  • Verwende statistische Methoden, wie zum Beispiel A/B-Tests, zur Unterstützung der Entscheidungsfindung.
  • Wende induktive Statistik, Parameterschätzungen und Hypothesentests auf Data Science-Probleme an.
  • Lerne über probabilistische Modellierung und verallgemeinerte lineare Modelle und löse Probleme aus der Praxis.

2

Data Science Toolkit 6 Tage

  • Werde vertraut mit den für Data Science relevanten Tools und Programmiersprachen.
  • Python-Grundlagen für Data Science, Versionskontrolle (Git und GitLab), Organisieren und Strukturieren von Data Science Projekten.
  • Umfangreiches Data Wrangling in Python (Zugriff auf Online-Daten über APIs, Datenbereinigung und -exploration mit Pandas).
  • Arbeite sowohl mit JupyterLab als auch einer integrierten Entwicklungsumgebung.

3

Datenvisualisierung 4 Tage

  • Erzeuge komplexe VisualisierungenVisulisierungen, um Erkenntnisse aus Daten zu extrahieren und dies visuell ansprechend und überzeugend zu erzählen.
  • Erstelle interaktive Darstellungen und Dashboards mit Tools wie Matplotlib, Seaborn, Plotly und Dash.

4

Maschinelles Lernen I 4 Tage

  • Gewinne einen detaillierten Einblick in Supervised Learning (Regression und Klassifikation).
  • Erlernen von ML-Kernkonzepten (z.B.: Gradientenabstieg, lineare vs. nicht-lineare Modelle, Verlustfunktionen, Kreuzvalidierung, Tuning).
  • Löse reale Probleme, wie zum Beispiel den Umgang mit unausgewogenen Daten und Auswahl geeigneter Modelle.
  • Erstelle komplexe End-to-End-Pipelines für maschinelles Lernen.

5

Maschinelles Lernen II 5 Tage

  • Optimiere die Leistungsfähigkeit eines Modelles durch Hyperparameter-Tuning und interpretiere Modelle mit Frameworks wie LIME und SHAP.
  • Mache dich vertraut mit Unsupervised Learning (Clustering, Outlier-Detektion und Dimensionalitätsreduktion).
  • Lerne die neuesten Weiterentwicklungen, Anwendungen und Frameworks für Auto-ML (PyCaret, TPOT und Auto-Sklearn) kennen.

6

Deep Learning 5 Tage

  • Lerne die Theorie und Geschichte hinter neuronalen Netzen und Deep Learning kennen.
  • Baue deine eigenen neuronalen Netze mit TensorFlow und Keras.
  • Verwende Deep-Transfer-Learning- und state-of-the-art Deep-Learning-Modelle, um Computer-Vision-Probleme wie Bildklassifizierung und Segmentierung zu lösen.
  • Interpretiere und erkläre Deep-Learning-Modelle mit Techniken wie Grad-CAM.

7

Sprachverarbeitung 4 Tage

  • Erlernen von NLP-Kernkonzepten (z.B.: Named Entity Recognition, Topic Modeling, Dokumentenklassifikation, Ähnlichkeit, Embeddings, usw.).
  • Lerne und übe, wie man unstrukturierten Text in strukturierte Daten umwandelt und darauf klassische ML-Modelle trainiert.
  • Löse diverse Probleme wie Klassifizierung, Empfehlungen, Zusammenfassung, Named Entity Recognition und mehr.
  • Verwende die neuesten state-of-the-art Deep Learning Modelle, einschliesslich Transformern, um komplexere Aufgaben zu lösen (Sprachübersetzung, kontextuelle Ähnlichkeit, Suche und mehr).

8

Machine Learning Engineering 6 Tage

  • Lerne, wie du ein Data Science Projekt effektiv angehst, indem du konventionelle Workflows verwendest und eine saubere Projektstruktur erstellst.
  • Lerne die Best Practices von MLOps kennen, z.B. Modell- und Datenversionskontrolle, Experiment-Tracking, Modell- und Code-Tests und CI/CD für ML-Projekte.
  • Anschliessend verwenden wir Docker zum Verpacken eines Machine Learning Modells, fügen ein API als Schnittstelle hinzu und bringen es auf einen Cloud-Server.

9

Capstone project Wochen 9-12

  • Arbeite an echten Data Science Problemen, die von Unternehmen und Forschungsinstituten zur Verfügung gestellt werden.
  • Während der Projektphase deckst du den kompletten Data Science Prozess ab: Von der Definition des Business-Problems, der Untersuchung der Daten, der Anwendung geeigneter Machine Learning Modelle, bis hin zur Fertigstellung eines funktionalen Prototyps.
  • Die Krönung all der harten Arbeit ist eine öffentliche Präsentation, auf die wir dich vorab intensiv vorbereiten werden.

Bereite dich auf den Kurs vor

Kostenloser Data Science Einführungskurs

Online
Selbststudium
Kostenlos

In diesem kostenlosen Online-Tutorial zum Selbststudium lernst du Python und den Lebenszyklus von Data-Science-Projekten kennen und übst an einem realen Data-Science-Problem. Durch den Abschluss dieses Kurses erhältst du ein besseres Verständnis für die Data-Science-Welt und erhöhst deine Chancen, in das Bootcamp aufgenommen zu werden.


Geschätzte Kursdauer: 15 Stunden

Wochenplan

(CET)

Mo

Di

Mi

Do

Fr

Sa

09H00

12H00

13H00

18H00

Vor Ort
Vor Ort
Vor Ort
Vor Ort
Vor Ort
Vor Ort
Vor Ort
Vor Ort
Vor Ort
Vor Ort

Der Zeitplan passt nicht zu deinen Bedürfnissen? Schau dir unser Teilzeit Programm an.

Vorlesung

Lerne von unseren Referenten, die Experten auf ihrem jeweiligen Gebiet sind, und werde während der Live-Vorlesungen in neue Themen eingeführt.

Praxisübungen

Arbeite an einer Reihe interessanter und herausfordernder Übungen zu den Themen, die in der Vormittagsvorlesung behandelt wurden. Übe dich in Teamarbeit, indem du gemeinsam mit deinen Mitstudenten Projekte durchführst.

Tools, die wir unterrichten

Python
Python ist die am schnellsten wachsende Programmiersprache der Welt. Dafür gibt es viele Gründe: die einfache Erlernbarkeit, die Vielseitigkeit und die führende Rolle im Bereich Machine Learning. Python unterstützt objektorientierte und funktionale Programmierstile, und ist damit hervorragend für die Erstellung automatisierter Aufgaben und einsatzfähiger Systeme geeignet. Es gibt nahezu unzählige Python-Pakete für Datenvisualisierung, maschinelles Lernen, Sprachverarbeitung und vieles mehr.
TensorFlow
TensorFlow ist eine Open-Source-Software Bibliothek für Deep Learning von Google. Es lassen sich damit Deep Learning Modelle bauen und trainieren, um sehr komplexe Muster und Zusammenhänge zu erkennen, die in einzelnen Bereichen ähnlich oder besser als Menschen abschneiden. TensorFlow ist hochgradig für die optimierte und parallelisierte Ausführung dieser Modelle geeignet.
SQL
Relationale Datenbankmanagementsysteme (RDMS) sind in jeder Art von datenorientierten Systemen vorhanden. RDMS bestehen aus Spalten und Zeilen, um Daten in einem strukturierten Format zu speichern. Sie sind dadurch ein sehr leistungsfähiges Werkzeug, um grosse Mengen an Informationen zu speichern. SQL ist die Sprache zur Abfrage und Manipulation von Daten und ist aus diesem Grund in vielen Data-Science-Projekten unverzichtbar.
Scikit-learn
Scikit-learn ist die etablierteste und am weitesten entwickelte Bibliothek für maschinelles Lernen. Sie bietet verschiedenste Klassifikations-, Regressions- und Clustering-Algorithmen, darunter Support-Vektor-Maschinen, Random Forests, Gradient Boosting, k-means und DBSCAN. Sie ist für das direkte Zusammenspiel mit den numerischen und wissenschaftlichen Python-Bibliotheken NumPy, Pandas und SciPy konzipiert.
Git
Git ist ein freies und open-source Versionskontrollsystem, das sowohl für kleine als auch sehr grosse Softwareprojekte (Linux Kernel) entwickelt wurde. Es ermöglicht alle Änderungen im Code zu verfolgen und darüber hinaus an einem grösseren Projekt zusammenzuarbeiten. Du wirst es während unseres Data Science-Kurses täglich verwenden.
NumPy & Pandas
NumPy ist das grundlegende Paket für wissenschaftliches Rechnen mit Python und bietet Unterstützung für grosse, mehrdimensionale Arrays sowie eine grosse Bibliothek mit mathematischen Funktionen. Pandas baut auf NumPy auf ist eine Bibliothek zur Datenmanipulation und -analyse. Die Bibliothek bietet handliche Datenstrukturen und ein grosses Set an Operationen zur Manipulation von numerischen Tabellen und Zeitreihen.
Cloud Services
Mehr und mehr Unternehmen wechseln zu Cloud-Systemen. Es ist der primäre Ort für Unternehmen geworden, um Daten zu speichern, ML-Modelle zu trainieren und Produktionssysteme zu hosten. Erfahrung mit einem Cloud-System bieten hervorragend Job-Aussichten auf dem heutigen Arbeitsmarkt.
PyCaret
PyCaret ist eine Open-Source-Low-Code-Bibliothek für maschinelles Lernen in Python, die es dir ermöglicht, innerhalb von Minuten von der Vorbereitung deiner Daten zum Einsatz deines Modells zu gelangen. Es verfügt auch über automatisierte ML-Funktionen, um geeignete Modelle in wenigen Minuten für unterschiedlichste Anforderungen zu erstellen, auszuwählen und abzustimmen.

Unsere Kursleiter

Was uns auszeichnet sind unsere Kursleiter. Neben unserem internen Data Science Team wirst du von ausgewählten Experten aus der Industrie unterrichtet werden. Diese externen Dozenten halten uns im stetigen Austausch mit den Trends und Anforderungen der Industrie. Zudem ermöglicht es uns - und auch dir - ein weitreichendes Netzwerk aufzubauen. Wir legen viel Wert auf die Wahl von Dozenten mit herausragenden didaktischen Fähigkeiten und verbessern unseren Unterricht fortlaufend auf Basis eures Feedbacks. Erhalte einen eigenen Eindruck von unserem Dozententeam und ihren verschiedenen Fachgebieten.

Kursleiter

Unsere Abschlussprojekte

Was uns wesentlich von anderen Bootcamps abhebt, ist, dass wir dir ECHTE Projekte mit ECHTEN Unternehmen anbieten. Wir sind fortlaufend damit beschäftigt Unternehmen zu finden, die spannende Projekte für dich und deine Mitstudierenden bereitstellen. Dieses Projekt ist hervorragend für dein Bewerbungs-Portfolio geeignet. Wir haben auch immer wieder Studierende, die direkt von einer dieser Firmen rekrutiert werden. Solltest du dich für ein bestimmtes Unternehmen interessiere, setzen wir uns gerne in Verbindung und versuchen ein gemeinsames Projekt zu starten.

Abschlussprojekte

So könnte dein Abschlussprojekt aussehen

mrt-klassifikation-kantonsspital-winterthur

Klassifikation von MRT in Zusammenarbeit mit dem Kantonsspital Winterthur

Data Science

Projekt von: Cornelia Schmitz, Norbert Bräker

Mehr Infos
globus

Mit dem Einsatz von KI zur automatischen Vorhersage von Merkmalen aus Produktbildern

Data Science

Projekt von: Valeria Polozun, Seth Dow

Mehr Infos
swiss

Klassifizierung von NOTAMs für SWISS International Airlines mittels KI

Data Science

Projekt von: Jean Coupon

Mehr Infos

Bewerbungsprozess

Sende uns deinen Lebenslauf oder dein LinkedIn-Profil

Ein erstes Motivationsgespräch mit Constructor Learning

Bereite dich nun auf das technische Interview vor

Bestehe das technische Interview

Überweise eine Anzahlung, um deinen Platz zu sichern

Schliess die Vorbereitungsarbeiten vor Beginn des Bootcamps ab

placeholder

Erhalte ein Leistungszertifikat

Teile dein Zertifikat auf den sozialen Netzwerken, gedruckten Lebensläufen oder anderen Dokumenten. Bringe deine Karriere mit den neu erworbenen Fähigkeiten voran.

Certificate

Wir begleiten dich persönlich durch das Programm!

Wir geben dir gerne individuelle Aufmerksamkeit, weshalb du während des gesamten Programms mehrere Einzelsitzungen haben wirst, um mit unserem Programmmanager oder einem unserer Ausbildner zu sprechen.

Wir unterstützen dich bei der Suche nach deinem nächsten Traumjob

  • Individuelle Fortschrittsgespräche
  • Einzelsitzungen zur Karriereberatung
  • Bewerbungsschreiben und CV-Workshop
  • Wir senden deinen Lebenslauf an unser Netzwerk von Unternehmen
  • Inhouse-Veranstaltungen wie unser Hiring Day
  • Möglichkeit, mit Unternehmen an einem Projekt zu arbeiten
Coaching

Wähle den gewünschten Standort

Join us from everywhere in the world

Wir bieten unsere Kurse an verschiedenen Standorten an. Du kannst von jedem Ort der Welt aus lernen oder vor Ort an einem unserer Standorte teilnehmen. Klicke auf deinen bevorzugten Standort, um mehr zu erfahren.

Bevorstehende Veranstaltungen

Nimm an einer unserer Veranstaltungen teil. Entdecke unsere kommenden Workshops, Infoveranstaltungen, Abschlusspräsentationen und Webinare zu aktuellen Themen.

  • Präsentation von Abschlussprojekten

    17. Feb 23, 06:00 PM - 08:00 PM GMT+1

    Heinrichstrasse 200, 8005 Zürich oder via Zoom

    Am Freitag, dem 17. Februar 2023, um 18:00 Uhr kannst du sehen, was unsere Absolventen in den letzten Wochen ihres Bootcamps gemacht haben. Unsere talentierten Studenten haben fleissig daran gearbeitet, innovative Lösungen für reale Probleme zu entwickeln, indem sie ihre neu erlernten Data Science und Full-Stack-Entwicklungsfähigkeiten eingesetzt haben. Du wirst die Gelegenheit haben, von den Studenten zu hören, wenn sie ihre Projekte vorstellen und ihre Erkenntnisse und Erfahrungen teilen. Profitiere von dieser spannenden Veranstaltung! Registriere dich jetzt, um deinen Platz zu reservieren. Wir freuen uns auf dich!

    Details

  • Einführung in den HTML & CSS-Workshop

    21. Feb 23, 05:00 PM - 06:30 PM GMT+1

    Online über Zoom

    Nimm an unserem nächsten Online-Workshop zu HTML und CSS am Dienstag, den 21. Februar von 17-18:30 Uhr teil. Unser erfahrener Dozent wird dir die Grundlagen von HTML und CSS erklären, einschliesslich Positionierung, Flex, Animationen, usw. Danach wirst du das Gelernte in einigen Übungen anwenden. Egal, ob du Anfänger bist oder bereits Erfahrung mit HTML und CSS hast, dieser Workshop wird dir wertvolle Tipps und Techniken zur Verbesserung deiner Webentwicklungsfähigkeiten vermitteln. Wenn du bereit bist, im Bereich der Programmierung einzutauchen, ist dies die perfekte Gelegenheit. Registriere dich heute, um deinen Platz zu sichern.

    Details

  • Workshop zur Datenanalyse

    23. Feb 23, 05:00 PM - 07:00 PM GMT+1

    Online über Zoom

    Am Donnerstag, 23. Februar 2023 von 17 bis 19 Uhr wird Dipanjan eine Einführung in die Datenanalytik geben. Dipanjan ist unser leitender Data-Science-Berater und Dozent und leitet Advanced Analytics-Projekte in den Bereichen Computer Vision, Natural Language Processing und Deep Learning. Dipanjan wird euch in die Grundlagen von Python und Datenverarbeitung einführen, ein wenig über die Formulierung von datenwissenschaftlichen Problemen sprechen, kurz besprechen, wie man interessante Muster analysiert und visualisiert und zum Schluss gibt es einer Übung, bei der ihr ein Modell erstellt, das mithilfe von maschinellem Lernen Immobilienpreise vorhersagen kann. Wenn du dich für Data Science und Data Science-bezogene Themen interessierst, ist diese Veranstaltung genau das Richtige für dich. Registriere dich noch heute und sichere dir einen Platz.

    Details

  • Abschlusspräsentationen - Teilzeitstudenten

    24. Feb 23, 06:00 PM - 08:00 PM GMT+1

    Heinrichstrasse 200, 8005 Zürich oder via Zoom

    Am Freitag, dem 24. Februar 2023, um 18:00 Uhr kannst du sehen, was unsere Teilzeitabsolventen in den letzten Wochen ihres Bootcamps gemacht haben. Unsere talentierten Studenten haben fleissig daran gearbeitet, innovative Lösungen für reale Probleme zu entwickeln, indem sie ihre neu erlernten Data Science und Full-Stack-Entwicklungsfähigkeiten eingesetzt haben. Du wirst die Gelegenheit haben, von den Studenten zu hören, wenn sie ihre Projekte vorstellen und ihre Erkenntnisse und Erfahrungen teilen. Profitiere von dieser spannenden Veranstaltung! Registriere dich jetzt, um deinen Platz zu reservieren. Wir freuen uns auf dich!

    Details

  • Online-Informationsveranstaltung

    28. Feb 23, 06:00 PM - 07:00 PM GMT+1

    Online über Zoom

    Nimm am Mittwoch, dem 28. Februar 2023, von 18.00 bis 19.00 Uhr an unserer Informationsveranstaltung über Constructor Learning und unsere Programme teil. Egal, ob du ein Anfänger bist, der eine neue Fähigkeit erlernen möchte, oder ein erfahrener Profi, der seine Karriere vorantreiben möchte, diese Informationsveranstaltung ist die perfekte Gelegenheit, um mehr über unsere Bootcamps zu erfahren und wie sie dir helfen können, deine Ziele zu erreichen. Diese Online-Informationssitzung bietet einen Überblick über unsere Data Science-, Full-Stack- und UX/UI-Bootcamps, einschliesslich des Lehrplans, der Karrieremöglichkeiten und des Zulassungsverfahrens. Du wirst die Möglichkeit haben, Fragen zu stellen und Einblicke von unseren Ausbildern zu erhalten. Lass dir diese Gelegenheit nicht entgehen, um mehr über unsere Bootcamps zu erfahren und den ersten Schritt in Richtung einer lohnenden neuen Karriere in den Bereichen Data Science, Full-Stack-Entwicklung oder UX/UI-Design zu machen. Melde dich jetzt an, um deinen Platz in der Informationsveranstaltung zu reservieren. Wir sehen uns bald wieder!

    Details

  • Workshop Einführung in Python

    15. Mar 23, 06:00 PM - 07:30 PM GMT+1

    Online über Zoom

    Registriere dich für unseren bevorstehenden Online-Workshop zur Einführung in die Python-Programmierung am Mittwoch, dem 15. März 2023, von 18:00 bis 19:30 Uhr. Ob du neu in der Programmierung bist oder deine Fähigkeiten erweitern möchtest, dieser Workshop ist die perfekte Gelegenheit, um die Grundlagen der Python-Programmierung zu lernen und deine Fähigkeiten auf die nächste Stufe zu bringen. Unter der Leitung unseres Python-Experten Ansam Zedan wirst du durch die Grundlagen der Programmierung in Python geführt, einschliesslich “variables”, “conditions”, und “loops”. Aber das ist noch nicht alles - du hast auch die Möglichkeit, deine eigene Python turtle Library (eine vorinstallierte Python-Bibliothek) zu personalisieren und ihr Befehle zu geben, um einzigartige Zeichnungen auf dem Bildschirm zu erstellen. Am Ende des Workshops wirst du ein solides Verständnis für die Python-Programmierung haben und die Fähigkeit, deine eigenen digitalen Meisterwerke zu erstellen. Verpasse nicht diese Gelegenheit - registriere dich jetzt, um deinen Platz zu sichern! Wir können es kaum erwarten, dich dort zu sehen und dir dabei zu helfen, deine Programmierfähigkeiten auf die nächste Stufe zu bringen.

    Details

Empty room with chairs

FAQs

Was ist das nicht-technische Interview?

Ein 20 Minuten Interview, welches persönlich oder über Video durchgeführt wird und uns die Möglichkeit gibt, dich, deine Berufserfahrung, Motivation und Ziele für die Teilnahme am Programm kennenzulernen.

Wie viele Studenten gibt es pro Klasse?

Um ein hohes Mass an Interaktion und Unterricht zu gewährleisten, hat jede Klasse durchschnittlich 10 bis max. 20 Studenten (vor Ort).

Ist die Dauer der Bootcamps lang genug?

Auf jeden Fall. Bei den Full-Stack- und Data-Science-Programmen geben dir 12 Wochen intensive Praxis (40 Stunden im Klassenzimmer mit zusätzlichen 20-30 Stunden für die Kursarbeit pro Woche) das, was du brauchst, um in eines dieser Gebiete einzusteigen.

Wie gut muss ich programmieren können?

Obwohl Programmiererfahrung nicht unbedingt eine Voraussetzung ist, erwarten wir, dass du schon einmal mit Programmieren in Berührung gekommen bist. Sei es in der Industrie, an der Hochschule oder im Selbststudium. Motivation, harte Arbeit und Tatkraft sind jedoch das, was wir am meisten suchen.

Ich würde lieber von einem anderen Ort aus teilnehmen. Kann ich online teilnehmen?

Auf jeden Fall. Wenn du an dieser Option interessiert bist, wähle diese bitte auf dem Bewerbungsformular aus.

Gibt es einen Unterschied zwischen der persönlichen und online Teilnahme?

Nein, überhaupt nicht. Du nimmst am gleichen Programm teil und verfolgst die Vorträge per Live-Stream. Du erhältst die gleiche Aufmerksamkeit von unseren Mitarbeitern, wie wenn du vor Ort wärst.

Wie sieht das technische Interview für das Data Science-Programm aus?

Der Kandidat erhält eine E-Mail mit einer Liste von Python-Tutorials, die vor dem Vorstellungsgespräch zu bearbeiten sind. Datum und Uhrzeit des Interviews werden so festgelegt, dass etwa eine Woche Zeit bleibt, um sich darauf vorzubereiten.
Am Tag des Vorstellungsgesprächs erhält der Kandidat per E-Mail eine Datenanalyse-Aufgabe und hat 2 Stunden Zeit, daran zu arbeiten. Nach dem Einreichen der Ergebnisse wird im direkten Anschluss ein Mitglied des Constructor Learning-Teams online Fragen zur Data Challenge stellen. Darauf folgt ein 30-minütiges Programmier-Interview in Python. Der gesamte Prozess dauert 2 Stunden und 45 Minuten und basiert auf den zuvor gesendeten Tutorials.
Kontaktiere uns

Lehrkräfte

Team Member

Dr. Ekaterina Butyugina

Data Science Program Manager & Instructor

Bio
Ekaterina studierte Mathematik an der Universität und arbeitete als Nachwuchsforscherin in Russland, wo sie in Kontinuumsmechanik promovierte. Auf der Suche nach der Möglichkeit, etwas zu finden, das der Wissenschaft nahe kommt, aber dynamischer und auf das reale Leben anwendbar ist, trat sie dem Data Science-Programm bei, blieb dann als TA und schloss sich später dem Team als Data Science Consultant an. Sie arbeitet gerne mit Daten und wendet sowohl analytische als auch kreative Ansätze an, probiert neue Techniken aus und teilt sie mit anderen Menschen.
Team Member

Sekhar Ramakrishnan

Instructor

Bio
Ich liebe es, Daten zum Sprechen zu bringen. Visualisierungen kombinieren Programmierung und Kunst, Logik und Ästhetik, um die Kommunikation von Daten zu erleichtern. Es ist immer befriedigend, die Studenten durch diese unterschiedlichen Disziplinen zu führen, damit sie lernen, ihre eigenen Visualisierungen zu lesen, zu schätzen und zu gestalten.
Team Member

Gerry Liaropoulos

Instructor

Bio
Als erfahrener Data Scientist auf dem faszinierenden Gebiet der Biowissenschaften setze ich eine Vielzahl von Methoden des maschinellen Lernens ein, um der Industrie zu helfen, fundiertere Entscheidungen zu treffen mit dem Endziel, das Leben der Patienten positiv zu verändern.
Team Member

Dr. Mark Rowan

Instructor

Bio
Was treibt dich an? Für mich ist es mit Daten eine Geschichte zu erzählen und die Welt zu verändern. Egal ob es um Neurowissenschaften, Luft- und Raumfahrt, Telekommunikation, Versicherungen oder Sprachtechnologie geht - ich liebe es, mich in die Daten hineinzuversetzen und damit Dinge zu bewegen.
Team Member

Dipanjan Sarkar

Lead Data Scientist & Instructor

Bio
Dipanjan (DJ) ist Lead Data Science Consultant & Instructor und leitet dort zukunftsweisende Projekte in den Bereichen Bildverarbeitung, Natural Language Processing und Deep Learning. Ausserdem ist er ein Google-Entwickler-Experte für maschinelles Lernen. Dipanjan hat mehrere Startups sowie Fortune-500-Unternehmen beraten und mit ihnen zusammengearbeitet. Er ist außerdem Autor mehrerer Bücher über R, Python, maschinelles Lernen, Natural Language Processing und Deep Learning. Er liebt es sein Wissen zu teilen, um anderen auf ihrem Weg in Data Science zu helfen.
Team Member

Badru Stanicki

Instructor

Bio
Mit einem Master in Physik stieg Badru während seiner Zeit am Deutschen Zentrum für Luft- und Raumfahrt in Spanien in die wissenschaftliche Programmierung und Datenwissenschaft ein. Nachdem er mehrere Jahre in der Forschung gearbeitet hatte, wechselte er zur Data Science, zunächst als Student und dann als Teammitglied. Seine Hauptinteressen sind DataOps und Time Series Analysis.
Team Member

Magdalena Surówka

Instructor

Bio
Statistik ermöglicht es dir, die Welt um dich herum zu verstehen. Um neue Zusammenhänge zu entdecken und ihre Auswirkungen zu modellieren. Als unabhängige Datenwissenschaftlerin helfe ich Unternehmen, solche Erkenntnisse zu finden. Als Statistik Lehrerin zeige ich den Studierenden, wie sie das Problem formulieren und Schlussfolgerungen ziehen können.
Team Member

Dr. Marie Bocher

Data Science Consultant

Bio
Marie hat 7 Jahre Erfahrung in der Entwicklung, Bereitstellung und Lehre von Machine Learning und statistischen Modellen. Bei Constructor Learning, berät sie Unternehmen und mentort im Bereich Data Science und Software Engineering. Ihr Fachwissen zu diesen Themen teilt Sie gerne mit einem praxisorientierten und interaktiven Lehransatz.
Team Member

Afke Schouten

Director of Studies - AI management, HWZ

Bio
Afke Schouten studierte Mathematik an der Universität Leiden und Ökonometrie und Managementwissenschaften an der Erasmus School of Economics. Als Managementberaterin und Senior Data Scientist leitete sie verschiedene KI-Projekte und baute KI-Organisationen für internationale und Schweizer Unternehmen auf. Gegenwärtig arbeitet sie als Forscherin und Freiberuflerin im Bereich KI-Management und ist Studienleiterin für KI-Management an der HWZ Hochschule für angewandte Wissenschaften. Ihre Aufgabe ist es, Organisationen dabei zu unterstützen, echten Geschäftswert mit KI zu generieren und ein Umfeld zu schaffen, in dem Data Scientists gedeihen können.

Unser Blog

Lies die neuesten Nachrichten über Constructor Learning und informiere dich über alles rund um Programmierung und Data Science in der Schweiz und Deutschland.

interview-mit-sandeep-dharnia-ehemaliger-student-des-full-stack-bootcamps

Interview mit Sandeep Dharnia, ehemaliger Student des Full-Stack Bootcamps

Veröffentlicht am 20-01-2023 von Claudia Boker

Mehr Infos
wie-man-mithilfe-von-ai-aktien-auswahlt-die-den-markt-ubertreffen

Wie man mithilfe von AI Aktien auswählt, die den Markt übertreffen

Veröffentlicht am 02-12-2022 von Ekaterina Butyugina

Mehr Infos
datenwissenschaftliches-abschlussprojekt-19

Datenwissenschaftliches Abschlussprojekt #19

Veröffentlicht am 02-12-2022 von Ekaterina Butyugina

Mehr Infos