Teilnehmende erlernen zentrale Verfahren der strukturierten Datenanalyse mit Fokus auf datenwissenschaftliche Anwendungen im Forschungsumfeld.

Inhalte und Methoden
  • Strukturierte Datenanalyse und Datenbanken
  • Strukturierte Abfrage relationaler Datenbanken mittels SQL
  • Anwendung von Joins, Aggregationen und Filtermechanismen zur gezielten Auswertung großer Datenbestände
  • Explorative Datenanalyse (EDA)
  • Untersuchung von Datensätzen auf Muster, Zusammenhänge und Trends mittels statistischer Verfahren
  • Prüfung von Hypothesen und systematische Herleitung von Datenaussagen
  • Datenvorbereitung und -pipelines
  • Aufbau automatisierter Datenpipelines
  • Harmonisierung, Transformation und Bereitstellung von Daten zur Verbesserung der Analysequalität und der Reproduzierbarkeit

Datenvisualisierung und Reporting
  • Erstellung interaktiver Visualisierungen mit Power BI
  • Arbeit mit Dashboards und Anwendung von DAX-Funktionen
  • Übersichtliche Aufbereitung von Analyseergebnissen und Überführung in strukturierte Berichtsformate

Einführung Maschinelles Lernen
  • Training erster Modelle
  • Analyse der Modellgüte
  • Vertrautmachen mit grundlegenden Ansätzen der prädiktiven Modellierung