Informations du cours

Aktuelle Mega-Trends wie Künstliche Intelligenz, Digitalisierung, E-Commerce oder Social Media führen zu einer rasanten Zunahme an Daten, die für Unternehmen und Behörden zunehmend zum zentralen Erfolgs-faktor werden (Daten als ''Rohstoff'' des 21. Jahrhunderts). Dort wo Excel endet, beginnen die algorithmenbasierten Datenanalysen der Data Science mit verschiedenen maschinellen Lernverfahren (z.B. Explorative Analytics, Predictive Analytics, Data Mining, Text Mining, Web Mining). Diese liefern bspw. dem Marketing, CRM, Vertrieb oder Controlling werthaltige Erkenntnisse für den Geschäftserfolg ("Business Intelligence") oder in Behörden zusätzlich werthaltige Erkenntnisse bspw. in der Verbrechensbekämpfung oder Betrugserkennung ("Administration Intelligence"). Data Science ist eine Querschnittsdisziplin und wird daher nicht nur in Unternehmen oder Behörden erfolgreich eingesetzt, sondern auch in anderen Bereichen wie z.B. in der Medizin, im Bildungswesen, im medialen Umfeld sowie in den Sozial- und Naturwissenschaften.

KURSINHALTE:
- Einführung in Data Science, Data Analytics und Machine Learning
- Einführung in das Data Science Tool "Orange" oder „KNIME“
- Praktische Statistik für Data Science
- Unsupervised Learning (Unüberwachtes Lernen)
- Grundlagen der Assoziations- und Segmentationsanalyse (Explorative Analytics)
- Supervised Learning (Überwachtes Lernen)
- Grundlagen der Klassifikations- und Regressionsanalyse (Predictive Analytics)
- Supervised Learning (Überwachtes Lernen)
- Vertiefung der Klassifikations- und Regressionsanalyse (Predictive Analytics)
- Effektive Datenkommunikation mit Data Storytelling

In diesem 5-tägigen Kurs erhalten Sie einen umfassenden und vorallem verständlichen Einstieg in die wichtigsten Analysetechniken der Data Science und des Machine Learning (Mo. bis Do.) und erlernen zudem, mit Daten effektiv und überzeugend zu kommunizieren (Fr.). Die Anwendung der erlernten Datenanalyse- und -visualisierungstechniken erfolgt in Übungen und Fallstudien am PC.

Die Anwendung der erlernten datenanalytischen Methoden und Techniken erfolgt in praxisbezogenen Fallstudien am PC. Hierzu sind keine Programmierkenntnisse notwendig, da Sie diese zunächst auf einer (kostenfreien) Data Science Plattform mit grafischer Benutzeroberfläche (Orange oder KNIME) erlernen. Erst wenn Sie diese Methoden und Techniken beherrschen, sollten Sie mit der Programmierung von Data Science in Python oder R beginnen. Insbesondere für Einsteiger:innen wird diese Reihenfolge empfohlen.

Ziel ist es, nicht nur theoretisches Grundlagenwissen zu erlernen, sondern vorallem Sie zu befähigen, Data Science in Ihrer beruflichen Praxis anzuwenden. Sie profitieren hier von der über 15-jährigen wertvollen Erfahrungen des Kursleiters als Leiter von zahlreichen erfolgreichen Data Science-Projekten in der beruflichen Praxis.

DATA SCIENCE MATRIX:
Data Science ist zudem eine facettenreiche und vielseitige Disziplin, daher kann ein einzelnes Kursangebot dieser Vielschichtigkeit nicht gerecht werden. Der Kursleiter hat daher aus seinen acht Jahren Erfahrung als Kursleiter im VHS-Bereich und seinen Kenntnissen dieses noch jungen Berufsfeldes in der Praxis die modulare Data Science Matrix entwickelt. Aus dieser können Sie sich nach Ihren Interessen und ggf. Anforderungen Ihrer beruflichen Weiterentwicklung Ihr individuelles "Data Science Paket" zusammenstellen. Die Data Science Matrix finden Sie unter www.datasciencematrix.de. Dieser VHS-Kurs beinhaltet die Module DA-EF, LM-01, SM-01, AA-01, CA-01, KA-01, KA-02, RA-01, RA-02, DC-EF, DC-ST aus der Data Science Matrix.