!Grundlagen der Data Science für E-Commerce *Einführung in Pandas und Dataframes *Datenreinigung und Datenskalierung *Datenvisualisierung und Datenvisualisierung geographischer Daten *Grundlagen maschinellen Lernens: Lineare, multiple und polynomiale Regression *Klassifizierungsmethoden: K-nearest-neighbor und logistische Regression *Decision Trees und K-Means Clustering *Spezifisches Kaufverhalten und Zielgruppenanalyse !Erweiterte Techniken der Datenanalyse und maschinelles Lernen *Einführung in Unsupervised Machine Learning und Neuronale Netze *Backpropagation und Aktivierungsfunktionen *Automatische Bilderkennung *Hyperparameteroptimierung !Social Media und Online-Marketing im E-Commerce *Social Media als Marketingdisziplin: Markenbekanntheit und Kundengewinnung *Strategien für Social Media: Vision, Stakeholder-Analyse und Kanalauswahl *Content-Strategien für Facebook und Instagram inklusive Community Management *Online Advertising: Facebook Werbeanzeigen und Targeting *E-Mail-, Affiliate- und Influencer-Marketing *Social Media Monitoring, Online Reputation Management und Beschwerdemanagement !Betriebswirtschaft und Strategie im E-Commerce *Sortiment- und Preisgestaltung, Beziehungs- vs. Transaktionsmarketing *Kosten, Kennzahlen, Shopsysteme und Schnittstellen *Server, Software, Warenwirtschaftssysteme, ERP, CRM und Cookies *Relevante Kennzahlen für betriebswirtschaftliche Betrachtung und strategische Planung *Onlinemarketing im E-Commerce: Entwicklung von Marketing- und Vertriebsstrategien *Markt- und Wettbewerbsanalysen