Die Weiterbildung "Digitalisierungsprojekte mit Schwerpunkt Big Data" vermittelt Grundlagen der Digitalisierung, Programmierkenntnisse in Python und Datenbankverwaltung. Darüber hinaus werden Konzepte der Künstlichen Intelligenz und Big Data, ethische und regulatorische Rahmenbedingungen sowie Methoden des Projektmanagements und der Data Science behandelt.

Grundlagen der Digitalisierung und digitale Geschäftsmodelle

  • Hintergrund und Grundlagen der Digitalisierung
  • Digitale Technologie
  • Auswirkungen der Digitalisierung auf die Arbeitswelt und ökonomische Modelle
  • Chancen und Herausforderungen der Digitalisierung für Gesellschaft und Individuen
  • Veränderte Bedingungen für Politik, Arbeit und Ökonomie
  • Bedeutung digitaler Kompetenzen für den Arbeitsmarkt
  • Das DVC Framework
  • Ziele digitaler Geschäftsmodelle
  • Entwicklungsstufen von Geschäftsmodellen
  • Core Values
  • Value Proposition Design


Programmierung und Datenmanagement

  • Einführung in Python und Programmiergrundlagen
  • Lokale und globale Variablen
  • Schleifen und verschachtelte Schleifen
  • Built-In Funktionen und String Methoden
  • VS Code als Entwicklungsumgebung
  • Grundlagen objektorientierter Programmierung
  • Dateien und prozedurale Programmierung
  • Pakete und Visualisierung von Daten
  • Datentypen
  • Erstellung von Tabellen und erste SQL-Abfragen
  • Schlüssel
  • Arbeiten mit Datenbanken
  • Umgang mit JOIN-Befehlen
  • Speicher- und Leistungsoptimierung
  • Datenbanksicherheit
  • Datenbankmanagementsysteme


Künstliche Intelligenz und Big Data Konzepte

  • Grundlegende Konzepte von Big Data
  • Kategorien und Verfahren des maschinellen Lernens
  • Theoretische Grundlagen generativer KI-Verfahren
  • Anwendung generativer KI für Text, Code, Audio, Bilder und Videos
  • Potenziale und Risiken generativer und diskriminativer KI
  • KI-Use-Cases in der Praxis
  • Moderne KI-Tools und KI-Sicherheit
  • Anwendungsszenarien moderner KI-Tools umsetzen


Ethische und regulatorische Rahmenbedingungen von KI und Data Science

  • Regulatorische Rahmenbedingungen (EU AI Act, DSGVO)
  • Datenschutz und Urheberrechte
  • AI Crime
  • KI-Governance, Compliance und ethische Fragestellungen
  • Bias und vertrauenswürdige KI
  • Ethik und Fairness in KI-systemen
  • Instrumentarien zur Risiko(Folge)abschätzung
  • KI und der Arbeitsmarkt


Projektmanagement und Data Science Methoden

  • Statistik
  • Integration von Data Science im Unternehmen
  • CRISP-DM Vorgehensmodell
  • Bewertung von Projekten und Entscheidungsfindung
  • Projektvorbereitung
  • Aufbau und Inhalt des Projektauftrags
  • Umfeldanalyse und Stakeholder Analyse
  • Steuerung und Reporting in Projekten
  • Projektabschlussbericht und Projektdokumentation