In nur 9 intensiven Wochen in München wirst du zum Data Scientist. Du analysierst umfangreiche Datensätze, triffst komplexe datengetriebene Entscheidungen und setzt AI & Machine Learning zur Lösung spannender Probleme ein.
Wir führen Full Time Coding Bootcamps mehrmals im Jahr. Registriere dich und erhalte eine Nachricht, sobald der nächste Batch für Bewerbungen offen ist. - Registriere dich
In unserem Data Science Kurs in München wirst du in nur 9 Wochen zum Data Scientist. Du analysierst umfangreiche Datensätze, triffst komplexe datengetriebene Entscheidungen und setzt AI & Machine-Learning-Modelle zur Lösung spannender Probleme ein. Starte in die Datenwelt als Data Analyst, Data Engineer oder Data Scientist, bilde dich weiter, lerne nützliche Datenskills und gehe den nächsten Karriereschritt mit unseren mehr als 600 Recruiting-Partnern in Branchen wie Marketing, Finanzen oder E-Commerce.
In unserem Kurs in München lernst du Schritt für Schritt alle wichtigen Skills eines Data Scientists. Du setzt Daten ein, um nützliche Erkenntnisse zu gewinnen und präsentierst deine neuen Skills mit selbst entwickelten Datenlösungen.
Du lernst: Programmieren in Python, den Umgang mit Jupyter Notebook und den Einsatz von Python-Bibliotheken wie Pandas und Numpy zur Erforschung & Analyse von großen Datensätzen. Du sammelst dabei Daten aus verschiedenen Quellen wie CSV-Dateien, SQL-Abfragen zu relationalen Datenbanken, Google Big Query, APIs und Scraping.
Wir befassen uns damit, wie man gute Fragestellungen formuliert und diese mit den richtigen SQL-Abfragen beantwortet. Dieses Modul behandelt zunächst Schema-Architekturen und taucht dann tief in die fortgeschrittene Manipulation von SELECT ein, zur Extraktion nützlicher Informationen aus eigenständigen Datenbanken oder mit einer SQL-Client-Software wie DBeaver.
Präsentiere deine Daten anschaulich und leicht verständlich mit Visualisierungen in deinem Notebook. Du plottest Data-Frames mithilfe von Python-Bibliotheken wie matplotlib und seaborn und ziehst nützliche Erkenntnisse aus deinen Datensätzen.
In München lernst du die zugrundeliegende Mathematik hinter allen Bibliotheken und Modellen, die wir im Kurs einsetzen. Du machst dich mit den grundlegenden Konzepten der Statistik und Wahrscheinlichkeit (Mittelwert, Varianz, Zufallsvariable, Satz von Bayes...) und mit der Matrixberechnung vertraut, die den Kern der numerischen Operationen in Bibliotheken wie Pandas und Numpy bildet.
Du lernst, wie du ein Python-Repository mit objektorientierter Programmierung strukturierst um deinen Code zu bereinigen und wiederverwendbar zu machen, wie du die Vorbereitungsphase eines großen Datensatzes meisterst, und wie du auf der Grundlage von multivariaten Regressionsmodellen aussagekräftige statistische Erkenntnisse gewinnst.
Data Analysts müssen klar mit einem nicht-technischen Publikum kommunizieren können. Du lernst, wie du deine Ergebnisse wirkungsvoll präsentierst und lässt diese anhand von Kosten-Nutzen-Analyse direkt in strategische Entscheidungen einfließen. Du teilst deinen Fortschritt mit allen Stakeholdern und vergleichst deine Ergebnisse im Team.
Du lernst, wie du deinen Datensatz mit Preprocessing-Techniken wie Vektorisierungen untersuchst, bereinigst und vorbereitest. Dann machst du dich vertraut mit linearen und logistischen Regressionen, den klassischen Modellen des Supervised Learnings. Du löst Vorhersage- und Klassifikationsaufgaben mit der Python-Bibliothek scikit-learn und ziehst dabei Lernalgorithmen wie KNN (k-nearest neighbors) zur Hilfe.
Implementiere Trainings- und Test-Phasen und vergewissere dich damit, dass dein Modell auch auf unbekannte Daten angewandt werden kann und erfolgreich in der Praxis funktioniert. Du lernst, wie du Overfitting mithilfe von Regularisierungsmethoden verhinderst und die richtige Verlustfunktion auswählst, um die Genauigkeit deines Modells zu stärken.
Du bewertest den Erfolg deines Modells, indem du definierst wonach optimiert werden soll und indem du korrekte Fehlermetriken bestimmst. Du verbesserst die Leistung deines Modells mit Validierungsmethoden wie der Kreuzvalidierung und der Hyperparameter-Abstimmung. Zum Schluss lernst du SVMs (Support-Vektor-Maschinen) kennen, eine leistungsstarke Methode für das überwachte Lernen.
Jetzt kommen wir zum unüberwachten Lernen. Wir implementieren Methoden wie PCA zur Reduzierung der Dimensionalität, sowie Clustering zur Entdeckung von Gruppen in einem Datensatz. Außerdem lernst du Ensemble-Methoden kennen, bei denen mehrere Modelle wie Random Forest oder Gradient Boosting zur Leistungssteigerung kombiniert werden.
In diesem Teil lernst du die Magie des Deep Learning kennen. Wir befassen wir uns mit der Architektur neuronaler Netze (Neuronen, Layers, Stacks) und ihren Parametern (Aktivierungen, Verlustfunktionen, Optimierer). Du entwickelst neuronale Netze komplett eigenständig (vor allem für Bilder, Zeiten und Texte) und lernst dabei alle wichtigen Methoden und Tricks, die das Deep Learning ausmachen.
Du steigst tiefer in die Computer Vision ein und arbeitest mit konvolutionären neuronalen Netzen, um das Beste aus deinen Bildern herauszuholen. Du setzt Datenerweiterungstechniken ein, verbesserst damit die Generalisierung deines Modells und arbeitest mit fortgeschrittenen Methoden und modernen Architekturen wie Transfer-Lernmethoden.
Mach dich vertraut mit der Verwaltung von Daten und Texten (Wortfolgen), indem du sie in entsprechende Eingaben umwandelst. Du setzt rekursive neuronale Netzwerken ein, um zukünftige Werte vorherzusagen und eine natürliche Sprachverarbeitung durchzuführen.
Entdecke die Keras Deep Learning Bibliothek, mit der du einfache Prototypen erstellen kannst und gleichzeitig die Flexibilität hast, dein neuronales Netz genau zu justieren. Außerdem setzt du Google Colab ein, um Rechenzeiten dank dezidierter GPUs deutlich zu beschleunigen.
Du wechselst vom Jupyter Notebook zu einem Code-Editor und lernst, wie du ein Machine-Learning-Projekt für eine schnelle und sichere Iteration aufsetzt. Du wandelst dein Machine-Learning-Modell in ein Modell mit einer robusten und skalierbaren Pipeline um und setzt dafür die sklearn-Pipeline mit Encodern und Transformatoren ein.
Der komplette Aufbau eines Machine-Learning-Modells erfordert ein hohes Maß an Datenvorbereitung, Experimenten, Iterationen und Anpassungen. Wir zeigen dir, wie du Feature-Engineering und Hyperparameter-Abstimmungen durchführst und das bestmögliche Modell entwickelst. Hierfür nutzen wir die MLflow-Bibliothek.
Zum Schluss zeigen wir dir, wie du deinen Code und dein Modell in einem Produktionsumfeld bereitstellst. Mit der Google Cloud AI Plattform kannst du dein Modell trainieren, verpacken und in der ganzen Welt einsetzen. Zu guter Letzt nutzt du ein Docker-Umfeld, um deine eigene RESTful Flask API zu implementieren, die du an jede Front-End-Schnittstelle anschließen kannst.
Die letzten Wochen des Kurses gipfeln in eurem Abschlussprojekt! Ihr arbeitet zusammen in kleinen Teams und setzt alle gelernten Skills zur Lösung einer realen Data Science Herausforderungen an.
Unser Data Science Kurs setzt Grundkenntnisse in Python & Mathematik voraus. Damit alle Teilnehmer einen erfolgreich Start haben, kannst du vor dem Kurs dein Niveau testen und deine Fähigkeiten auffrischen.
Du musst mit Datentypen & Variablen, Bedingungen, Schleifen, Funktionen und Datenstrukturen (Listen und Dictionaries) vertraut sein.
Du benötigst ein Abitur in Mathematik - musst also mit Funktionen, Ableitungen und Systemen linearer Gleichungen vertraut sein.
Nach einem Gespräch mit unseren Admissions Managern schicken wir dir ein paar Python- und Mathe-Aufgaben. Diese helfen unserem Admissions Team, dein aktuelles Niveau in Python und Mathematik besser zu verstehen. Außerdem stellen wir dir zusätzliche kostenlose Ressourcen zur Verfügung, die dir dabei helfen, das erforderliche Niveau für den Kurs zu erreichen.
Nachdem du für den Data Science Kurs angenommen wurdest (Herzlichen Glückwunsch!), erhältst du von uns ~ 40 Stunden an Online-Lernmaterialien. Alle Teilnehmer müssen diese vor dem Kurs vervollständigen, entweder in ihrem eigenen Tempo oder in der Data Prep Week.
Die Data Prep Week findet eine Woche vor dem offiziellen Beginn des Kurses statt. Dieses interaktive Online-Lernen ist dafür ausgelegt, dir alle notwendigen Python-Grundlagen vor Kursbeginn so effizient wie möglich beizubringen.
Von Vorlesungen am Morgen zu Vorträgen am Abend - jeder Tag in München ist spannend!
Schnapp dir einen Kaffee und starte den Tag mit einer spannenden und interaktiven Vorlesung, bevor du das Gelernte in die Praxis umsetzt.
Gemeinsam mit deinem Buddy für den Tag löst du Programmier-Aufgaben mit der Unterstützung unserer Lehrer.
Programmieren lernen kann ziemlich intensiv sein. An manchen Tagen gibt es eine gemeinsame Yoga-Klasse, bei der du mitmachen und dich entspannen kannst.
Im Live-Code geht ihr gemeinsam die Programmieraufgaben des Tages durch und sprecht über anstehende Lektionen.
Lass dich inspirieren und erhalte wertvolle Tipps von erfolgreichen Gründern bei unseren exklusiven Talks & Workshops.
Am Ende des Kurses organisieren wir unsere Career Week. Diese Woche gibt dir alle Tools, um den nächsten Schritt in deiner Karriere zu gehen - egal ob mit deinem ersten Job als Data Scientist, durch Anwendung deiner Data Science Skills in einer anderen Rolle, oder mit der Gründung deines eigenen Startups.
Workshops
Eine Kombination aus Paneldiskussionen, Workshops, Präsentationen und Aufgaben helfen dir, den richtigen Karriereweg für dich zu finden.
Bereit für einen Tech-Job
Stelle dein persönliches Portfolio zusammen, bewirb dich auf spannende Jobs, bereite dich auf technische Aufgaben vor und plane die nächsten Schritte nach dem Kurs!
Inspiration
Erfahre von unserem Alumni, welchen Weg sie nach dem Kurs eingeschlagen haben und wie ein typischer Tag in ihrer neuen Karriere aussieht.
Maßgeschneidert
Du kannst bei allen Workshops und Tutorials mitmachen, für die du dich interessierst. Stelle dir deine ganz persönliche Career Week nach deinen Interessen und Zielen zusammen.
Seit dem ersten Tag liegt uns ein erstklassiger Unterricht am Herzen. Tolle Lehrer können uns inspirieren, uns tiefgehend mit einem neuen Thema zu beschäftigen. Aber Erfahrung als Entwickler allein macht einen noch nicht zu einem guten Programmierlehrer. Deswegen achten wir immer darauf, dass wir nicht nur großartige Techies finden, sondern auch begeisterte und erfahrene Lehrer.
In Brasilien geboren, hat Bruncky seine ♥️ für Code in Berlin (wieder)entdeckt. CS war nicht so toll, also entschied er sich für Le Wagon und schaute nie zurück. Du weißt nicht wo er ist? Schau mal bei der Kaffeemaschine oder auf World of Warcraft!
mehr über BrunoUnser Data Science Kurs ist erst der Beginn deiner Reise. Nach dem Kurs gehörst du zu einer weltweiten Tech-Community und hast Zugang zu unserer Online-Plattform, wo du immer weiter lernen und wachsen kannst.
Erhalte Tipps und Ratschläge von erfolgreichen Data Scientists & Datenanalysten, Zugang zu exklusiven Jobchancen und Freelance-Stellen von Gründern und Entwicklern.
Nutze jederzeit nach dem Kurs unsere Online-Lernplattform: hier findest du alle Data Science Vorlesungen, Screencasts, Übungen und Lernkarten.
Werde ein Teil unserer globaler Community aus 15.113 Alumni, die im Bereich Data Science arbeiten, sowie viele weitere Gründer, Entwickler und Produktmanager auf der ganzen Welt.
Unsere unterschiedlichen Kurse gibt es in 41 Städten auf der ganzen Welt: wohin du auch reist, du gehörst zur Le Wagon Community!
Nach dem Ende des Programmierkurses profitierst du von unserer großartigen Karrierehilfe. Wir vernetzen dich mit den besten Recruitern und bringen dich mit relevanten Alumni in Kontakt.
Nutze unseren Alumni-Guide und starte erfolgreich in deine neue Data Science Karriere: bau dein Tech-Portfolio weiter aus, finde deinen Traumjob und lass dich von unseren 15.113 Alumni unterstützen.
Mach mit bei unseren vielen Jobmessen und Networking Events, triff die besten Tech-Firmen und erhalte Angebote von Recruitern für spannende Datenjobs.
Unsere Data Science Alumni sind regelmäßig in Kontakt mit neuen Teilnehmer. Sie erzählen dir, wie sie nach Le Wagon ihren Traumjob in einer Data Science Rolle gefunden haben und wie sie den nächsten Karriereschritt mit ihren neuen Datenskills gegangen sind.
Unsere lokalen Teams sind regelmäßig in Kontakt mit unseren Alumni und Recruiting-Partnern und vernetzen dich jederzeit mit relevanten Personen.
Die besten Firmen arbeiten mit Le Wagon zusammen und stellen unsere Alumni als Data Scientists, Datenanalysten, Produktmanager oder Dateningenieure ein.
6 Alumni eingestellt
1 Alumni eingestellt
3 Alumni eingestellt
9 Alumni eingestellt
5 Alumni eingestellt
1 Alumni eingestellt
Finde heraus, ob du für spezielle Angebote in München berechtigt bist.
Die Web Development und Data Science Bootcamps von Le Wagon sind nach AZAV zertifiziert und gelten in Deutschland als Berufsausbildung. Das heißt, du kannst mit einem Bildungsgutschein der Bundesagentur für Arbeit kostenlos an unseren Bootcamps teilnehmen.
Erfahre mehr hier!
With the Income Share Agreement, you can focus on the bootcamp, while CHANCEN eG takes care of your tuition fees. In exchange, you commit to affording future generations with the same opportunity. Once you start working in a company or found your own startup, you start making income-based repayments to finance the training fees of future generations.
Learn more!
Eligibility: Full time students/ azubis who are currently pursuing or have received their degree within the last year.
We offer students and azubis a 500€ discount on our Full Time Web Development Bootcamp. We believe in making technology more open and available in order to foster creativity and develop the skills that will in turn support Munich’s ecosystem.
Quotanda is a lending as a service (LaaS) platform that helps schools, banks and organizations manage affordable student financing programs globally. With Quotanda we require a deposit payment of 2000€ that secures your spot in the Bootcamp. Once the Bootcamp starts you will start paying the outstanding amount in up to 12 monthly instalments without any interest fees.
Learn more!
Le Wagon hat 2311 Bewertungen mit einem Durchschnitt von 4.98/5 und ist damit laut Teilnehmern der beste Programmierkurs weltweit auf Switchup! Diese Bewertungen machen uns unglaublich stolz und glücklich, denn dahinter stecken tausende Menschen aus der ganzen Welt, denen der Kurs neue Möglichkeiten eröffnet hat. Wir freuen uns riesig darüber, dass sie nach dem Kurs erfolgreich und eigenständig Programmieren können, den nächsten Karriereschritt gehen und eigene Startups gründen.
Jede der 2311 Bewertungen zählt und hilft uns, unsere Kurse konstant zu verbessern und das höchste Niveau zu bieten. Die vielen positiven und enthusiastischen Bewertungen sind der ultimative Beweis dafür, dass wir in 41 Städten weltweit die besten Tech-Kurse für unsere Teilnehmer bieten.
Der nächste München Data Science Kurs (Vollzeit-Programmierkurs) started am 11 Jul, 2022
