Data Science und Business Analytics

Data Science und Business Analytics nutzen Methoden und Techniken aus Mathematik, Statistik, Machine Learning und Programmierung, um Wissen aus Daten zu generieren. Deren Erkenntnisse einen enormen Mehrwert für die Unternehmen darstellen.

Die Möglichkeit, bisher unbekannte Muster in Datensätzen zu erkennen, wird viele Bereiche in den Unternehmen nachhaltig verändern.

 

Neue Technologien und Anwendungssysteme wie Big Data, Data Mining, Predictive Maintenance, Maschinelles Lernen und grafische Visualisierungen bieten hierfür innovative Lösungsansätze. Dies stellt eine große Herausforderung für Unternehmen unabhängig von ihrer Größe dar. Der Bedarf nach Data Science und Business Analytics Fähigkeiten ist daher groß.

Ziel des Zertifikatslehrganges ist es, Berufstätigen mit einer Hochschulausbildung in kompakter Form die Grundzüge von Data Science und Business Analytics zu vermitteln und somit für die neuen Anforderungen zu rüsten.

Die Module 1 - 6 finden jeweils Freitag und Samstag (8UE) statt. Etwa eine Woche später findet eine halbtägige Vertiefung (online) statt. Die Fallstudien sollen helfen, das Wissen anzuwenden und werden in der Vertiefungseinheit besprochen.

Das Modul 7 startet während der Ausbildung mit einem Kick-Off-Meeting (Online). Während der Ausbildung gibt es 2 individuelle Coachings (Online) und den Abschluss bilden die Präsentation der Projekte vor Ort.

Die detaillierte Beschreibung finden Sie hier!

Modul 1: Business Intelligence und Big Data Analytics; 20 UE; Prof. Wind

• Methodische und technische Ansätze von Business Intelligence und Big Data Analytics
• Strategische und organisatorische Aspekte z.B. Self Service BI
• Extraktion, Integration und Analyse von verteilten Daten
• Analysemethoden und Visualisierungsmöglichkeiten

Fallstudie: Business Intelligence und Big Data Analytics in der Praxis

Modul 2: Python für Data Science und Visualisierung; 20 UE; Prof. Brauer

• Python-Grundlagen
• Einführung Pandas: Python-Bibliothek zur Arbeit mit Tabellendaten
• Einführung NumPy: Python-Bibliothek zur Darstellung numerischer Daten
• Einführung Matplotlib: Python-Bibliothek zur Visualisierung von Daten

Fallstudie: Reale Fallbeispieldaten einlesen, vorverarbeiten, visualisieren und analysieren mittels verschiedener Visualisierungen

Modul 3: KI mit Machine Learning und Use Cases; 20 UE; Prof. Wind

• Einführung Künstliche Intelligence und Machine Learning
• Einführung Analytic Manufacturing
• Einführung Predictive Maintenance
• Design Thinking und Business Modell Canvas-Tool für die Identifikation und Beschreibung von relevanten KI-Use Cases

Fallstudie: Uses Cases für KI mit Machine Learning im Unternehmenskontext

Modul 4: Machine Learning mittels Python; 20 UE; Prof. Brauer

• Was ist Künstliche Intelligenz? Grundlegende Begriffe
• Was ist Maschinelles Lernen?
• Welche Arten des maschinellen Lernens gibt es?

Fallstudie: Unternehmensdaten prädizieren mittels klassischer Machine Learning Ansätze

Modul 5: Big Data und Datenbanken; 20 UE; Prof. Wind

• Grundlagen von Big Data und Datenbanken
• Einführung Big Data Technologien wie Hadoop, MapReduce und Kafka
• Datenmodellierung und Datenbankabfrage SQL
• Einführung in NoSQL-Datenbanken wie MongoDB

Fallstudie: Big Data und Datenbanken in der Praxis

Modul 6: Deep Learning mittels Python; 20 UE; Prof. Brauer

• Was ist Deep Learning?
• Geschichte des Deep Learning
• Übersicht über Deep Learning Modelle
• Wie werden Neuronale Netze trainiert?   

Fallstudie 1:
Ein Neuronales Netz zur Prädiktion in TensorFlow/Keras selber bauen und trainieren

Fallstudie 2:
Texte mit Neuronalen Netzen analysieren, z.B. Kundenzufriedenheit mit Produkten auf Basis von Rezensionen schätzen

Modul 7: Praxisprojekt und Coaching; 20 UE; Prof. Brauer und Prof. Wind

• In diesem Modul gilt es, das in allen Modulen Erlernte selektiv anzuwenden und das Verständnis darüber zu vertiefen
• Ausgehend von einem selbst gewählten Fallbeispiel klärt der Teilnehmende die Ausgangssituation. Die dahinterliegenden geschäftsrelevanten Fragestellungen werden herausgearbeitet. Der Lösungsansatz wird entworfen, Technologieentscheidungen werden getroffen, die einzusetzenden Werkzeuge bestimmt
• Das Praxisprojekt wird durch die beteiligten Professoren begleitet und der Teilnehmende entsprechend gecoacht
• In einer Abschlusspräsentation wird das Projekt vorgestellt

Stundenplan

Im Rahmen der Ausbildung ist ein Projekt vorgesehen, das am Ende präsentiert wird.

Prof. Dr. Stefan Wind, Prof. Dr. Jürgen Brauer"

140

€ 4.600,-

WIFI Dornbirn + Online