Ziele der Weiterbildung
Im Fokus der Weiterbildung Data Science Masterclass steht die Vermittlung von fundierten Kenntnissen und Fähigkeiten im Bereich der Datenwissenschaft. Die Inhalte umfassen weiterführende Mathematik und Statistik, die als Grundlage für komplexe Datenanalysen dienen. Machine Learning und Deep Learning werden behandelt, um fortgeschrittene Techniken zur Mustererkennung und Vorhersage zu erlernen. Innovation und Entrepreneurship fördern das Verständnis für die Anwendung von Datenwissenschaft in unternehmerischen Kontexten. Ein Seminar zu Data Science und Gesellschaft beleuchtet die gesellschaftlichen Auswirkungen und ethischen Fragestellungen. Praktische Anwendungsfälle und deren Evaluierung sowie ein Projekt zur Umsetzung eines Data Science Use Cases runden die Weiterbildung ab.
Inhalte der Weiterbildung
Weiterführende Mathematik- Kalkül
- Integrale Transformationen
- Vektoralgebra
- Vektorrechnung
- Matrizen und Vektorräume
- Informationstheorie
- Einführung in die Statistik
- Wichtige Wahrscheinlichkeitsverteilungen und deren Anwendungen
- Bayessche Statistik
- Beschreibende Statistiken
- Datenvisualisierung
- Parameterschätzung
- Hypothesentests
- Beaufsichtigte, unbeaufsichtigte und verstärkte Lernansätze
- Regression und Klassifizierung von Lernproblemen
- Abschätzung funktionaler Abhängigkeiten mittels Regressionsverfahren
- Daten-Clustering
- Unterstützt Vektor-Maschinen, große Margenklassifizierung
- Lernen in Entscheidungsbäumen
- Einführung in neuronale Netze und Tiefenverdienen
- Netzwerkarchitekturen
- Neuronales Netzwerktraining
- Alternative Trainingsmethoden
- Weitere Netzwerkarchitekturen
- Innovationsmanagement und Entrepreneurship in einer globalisierten Welt
- Grundlagen des Entrepreneurship
- Geschäftsidee und Unternehmensgründung
- Finanzierungsquellen und Finanzierungsprozesse
- Internet, Digitales Business, und künstliche Intelligenz
- Strategische Allianzen
- Familienunternehmen
- In diesem Modul werden die Weiterbildenden über die aktuellen gesellschaftlichen und politischen Auswirkungen der Anwendung von datenwissenschaftlichen Modellen nachdenken. Zu diesem Zweck werden relevante Themen durch Artikel vorgestellt, die von den Weiterbildenden in Form eines schriftlichen Aufsatzes kritisch bewertet werden.
- Anwendungsfallbewertung
- Modellzentrierte Auswertung
- Geschäftszentrierte Bewertung
- Überwachung
- Vermeidung gängiger Irrtümer
- Veränderungsmanagement
- In diesem Kurs wählen die Weiterbildenden aus einer Vielzahl von Möglichkeiten eine Projektaufgabe aus. Ziel ist es, ein datenwissenschaftliches Modell oder System prototypisch in einer geeigneten Entwicklungsumgebung zu implementieren. Die Wahl des Ansatzes, das implementierte System oder die implementierte Software und die daraus resultierende Leistung bei der Aufgabe sind zu begründen, zu erklären und in einem Projektbericht zu dokumentieren.