In der Weiterbildung "Data based Storytelling" setzen Sie sich intensiv mit der Datenanalyse auseinander. Sie lernen, komplexe Daten zu interpretieren und in verständliche, zielgruppengerechte Geschichten zu transformieren. Dabei erwerben Sie Fähigkeiten, um Daten effektiv zu visualisieren und überzeugend zu präsentieren. Sie werden in die Lage versetzt, verschiedene Methoden der Datenanalyse anzuwenden und die Ergebnisse in narrativer Form zu kommunizieren. Ein Schwerpunkt liegt auf der Auswahl geeigneter Visualisierungstechniken, um die Aussagekraft Ihrer Daten zu erhöhen. Zudem lernen Sie, Ihre Datenanalyse zielgerichtet auf die Bedürfnisse unterschiedlicher Stakeholder auszurichten. Durch praxisnahe Übungen und Fallstudien wenden Sie die erlernten Techniken der Datenanalyse direkt an. Dies ermöglicht Ihnen, Ihre Fähigkeiten im realen Kontext zu erproben und zu vertiefen. Nach Abschluss der Weiterbildung sind Sie in der Lage, Ihre Datenanalyse-Ergebnisse klar und überzeugend zu präsentieren, um fundierte Entscheidungen in Ihrem beruflichen Umfeld zu unterstützen.

Grundlagen des Data Storytellings
  • Kenntnisse im Bereich Datenanalyse und explorative Datenanalyse
  • Casestudy: Umsatzprognose
  • Regressionsanalyse mit Fokus auf Datenanalyse
  • Analyse des Marktes und der Zielgruppen
  • Anwendungen aus der Datenanalyse im Content Audit und Storytelling
  • Erkennung von Themenpotenzialen
  • Vertiefung der Datenanalyse in Keywords und Suchtrends sowie bei der Format- und Kanalplanung
  • Content-Produktion

Optimierung und Content-Distribution
  • Praxisorientierte Websiteoptimierung und Content-Distribution mit Datenanalyse
  • Laden und Speichern von Modellen
  • Benutzen von vorgefertigten Modellen mit Keras und Bezug zur Datenanalyse
  • Datenbanken
  • Zusammenhang von Modellieren mit Kellern, Schlangen und Graphen im Kontext der Datenanalyse
  • Einführung in NumPy und Messdatenverarbeitung

Technische Grundlagen und Data Science Tools
  • Einbindung von Datenanalyse in Python- und Machine-Learning-Bibliotheken
  • Python-Skripte
  • Standard-Datentypen im Einsatz für Datenanalyse
  • Funktionen
  • Anwendung von Ein-und Ausgabe im Rahmen von Datenanalyse
  • Textverarbeitung
  • XML und JSON

Deep Learning Konzepte und Anwendungen
  • Aufgaben und Funktion von Deep Learning mit Schwerpunkt auf Datenanalyse
  • Abgrenzung von Machine Learning und Deep Learning
  • Trainieren eines Neuronalen Netzes mit Bezug zu Datenanalyse
  • Lineare Regression im Deep Learning
  • Anwendungen in Cloud Deep Learning, Bildgenerierung, Musik und Video mit Fokus auf Datenanalyse

Webtechnologien und Datenstrukturierung
  • Datenstrukturen im Rahmen der Datenanalyse
  • Sprachkern: Arbeiten mit variablen Datentypen und Arrays
  • Sprachkern: Arbeiten mit Schleifen und Funktionen unter Berücksichtigung von Datenanalyse
  • Objektorientierte Programmierung mit JavaScript
  • Einsatz von Datenanalyse beim Arbeiten mit Objekten

Interaktive Programmierung und User Experience
  • Datenanalyse beim Extrahieren von Werten aus Arrays und Objekten
  • Arbeiten mit Maps
  • Kombination von Arrays und Objekten für Datenanalyse
  • Ereignisgesteuerte Programmierung
  • Verstehen und Beeinflussen des Ereignisflusses im Kontext von Datenanalyse
  • Arbeiten mit Formularen
  • Lesen und Erkennen von Browserinformationen mit Bezug auf Datenanalyse

Grundlagen von NLP und Chatbots
  • NLP-Grundlagen für Chatbots und Anwendungen der Datenanalyse
  • Aufbau eines einfachen Chatbots
  • Datenanalyse zur Optimierung und Evaluation von Chatbots
  • Zukunftsperspektiven in AI-Development

ChatGPT-spezifische Anwendungen und Optimierung
  • Nutzung von ChatGPT: Anwendungsmöglichkeiten und Potenziale in der Datenanalyse
  • Training von ChatGPT: Verbesserung der Leistung durch Feinabstimmung
  • Strukturierung von Benutzerschnittstellen mit datenanalytischem Ansatz im Anwendungsdesign für ChatGPT
  • Kontextsensitivität in ChatGPT: Verbesserung der Antworten durch Datenanalyse
  • Asynchrone Programmierung