Die Weiterbildung vermittelt grundlegende Kenntnisse der datenwissenschaftlichen Arbeitsweise. Behandelt wird der typische Ablauf eines Data-Science-Projekts von der Datenerhebung über die Datenaufbereitung und Analyse bis zur Visualisierung und Kommunikation der Ergebnisse.
Die Teilnehmenden befassen sich mit Verfahren zur Untersuchung, Strukturierung und Auswertung von Daten. Weitere Schwerpunkte sind explorative Datenanalyse, Datenintegration, Grundlagen des maschinellen Lernens sowie die verständliche Darstellung datenbezogener Erkenntnisse.
Überblick Data Science- Aufgaben und Ziele von Data Science
- Einordnung datenwissenschaftlicher Arbeitsprozesse
- Typische Phasen eines Data-Science-Projekts
- Anwendungsbereiche statistischer Datenanalyse
- Grundlagen datenbasierter Problemlösung
Datenerhebung und Datenaufbereitung
- Data Gathering
- Erfassung und Zusammenführung von Daten
- Datenquellen und Datenformate
- Data Filtering
- Bereinigung und Auswahl relevanter Daten
- Umgang mit unvollständigen oder fehlerhaften Daten
Datenexploration und Datenintegration
- Data Exploration
- Erste Untersuchung von Datenbeständen
- Erkennen von Mustern, Ausreißern und Zusammenhängen
- Data Integration
- Zusammenführung unterschiedlicher Datensätze
- Vorbereitung integrierter Daten für weitere Analysen
Datenanalyse
- Data Analysis Concepts
- Grundlagen analytischer Methoden
- Statistische Auswertung von Daten
- Ableitung datenbezogener Fragestellungen
- Interpretation von Analyseergebnissen
- Einordnung von Ergebnissen im fachlichen Kontext
Klassifikation und Machine Learning
- Data Classification
- Grundlagen des maschinellen Lernens
- Überblick über Klassifikationsverfahren
- Training und Bewertung einfacher Modelle
- Einordnung von Machine-Learning-Verfahren in Data-Science-Projekte
Datenkommunikation und Visualisierung
- Data Communication
- Data Visualization
- Aufbereitung von Analyseergebnissen
- Auswahl geeigneter Darstellungsformen
- Visualisierung von Daten und Kennzahlen
- Kommunikation datenbezogener Erkenntnisse für fachliche Entscheidungen
Kompetenzziel
Nach Abschluss der Weiterbildung können die Teilnehmenden die zentralen Schritte eines Data-Science-Projekts einordnen. Sie können Daten erheben, filtern, explorativ untersuchen, integrieren und analysieren. Außerdem können sie grundlegende Machine-Learning-Verfahren beschreiben und Analyseergebnisse visualisieren sowie verständlich darstellen.