Data Science und Business Analytics

Data Science und Business Analytics nutzen Methoden und Techniken aus Mathematik, Statistik, Machine Learning und Programmierung, um Wissen aus Daten zu generieren. Deren Erkenntnisse stellen einen enormen Mehrwert für die Unternehmen dar. Die Möglichkeit, bisher unbekannte Muster in Datensätzen zu erkennen, wird viele Bereiche in den Unternehmen nachhaltig verändern. Neue Technologien und Anwendungssysteme wie Big Data, Data Mining, Predictive Maintenance, Maschinelles Lernen und grafische Visualisierungen bieten hierfür innovative Lösungsansätze. Dies stellt eine große Herausforderung für Unternehmen unabhängig von ihrer Größe dar. Der Bedarf nach Data Science und Business Analytics Fähigkeiten ist daher groß.

Modul 1: Business Intelligence und Big Data Analytics; 16 UE; Prof. Wind

• Methodische und technische Ansätze von Business Intelligence und Big Data Analytics
• Strategische und organisatorische Aspekte z.B. Self Service BI
• Extraktion, Integration und Analyse von verteilten Daten
• Analysemethoden und Visualisierungsmöglichkeiten

Modul 2: Python für Data Science und Visualisierung; 16 UE; Prof. BrauerPython-Grundlagen

• Einführung Pandas: Python-Bibliothek zur Arbeit mit Tabellendaten
• Einführung NumPy: Python-Bibliothek zur Darstellung numerischer Daten
• Einführung Matplotlib: Python-Bibliothek zur Visualisierung von Daten

Modul 3: KI mit Machine Learning und Use Cases; 16 UE; Prof. WindEinführung Künstliche Intelligence und Machine Learning

• Einführung Analytic Manufacturing
• Einführung Predictive Maintenance
• Design Thinking und Business Modell Canvas-Tool für die Identifikation und Beschreibung von relevanten KI-Use Cases

Modul 4: Machine Learning mittels Python; 16 UE; Prof. BrauerWas ist Künstliche Intelligenz? Grundlegende Begriffe

• Was ist Maschinelles Lernen?
• Welche Arten des maschinellen Lernens gibt es?

Modul 5: Big Data und Datenbanken; 16 UE; Prof. WindGrundlagen von Big Data und Datenbanken

• Einführung Big Data Technologien wie Hadoop, MapReduce und Kafka
• Datenmodellierung und Datenbankabfrage SQL
• Einführung in NoSQL-Datenbanken wie MongoDB

Modul 6: Deep Learning mittels Python; 16 UE; Prof. BrauerWas ist Deep Learning?

• Geschichte des Deep Learning
• Übersicht über Deep Learning Modelle
• Wie werden Neuronale Netze trainiert?

Die Voraussetzungen für eine Teilnahme sind entweder ein erfolgreich abgeschlossenes
Studium oder eine erfolgreich abgeschlossene Berufsausbildung mit einer mindestens einjährigen einschlägigen qualifizierten Berufspraxis

Der Lehrgang richtet sich Betriebswirte, (Wirtschafts-)Informatiker, Ingenieure und Naturwissenschaftler. Unterschiedliche Hintergründe der Teilnehmer sind bewusst erwünscht