Data Science

Zertifikatskurs Data Science

Daten sind zu einem betrieblichen Rohstoff eigener Art geworden. Laut Hal Varian, Chief Economist bei Google Inc., setzt sich die Wertschöpfungskette der Daten aus Zugriff, Verständnis, Verarbeitung, Analyse und Ergebniskommunikation zusammen. Diese Aussage ist unsere Mission, die wir in unseren Modulen konsequent umsetzen.

"Das bisher nicht gekannte und sich immer stärker beschleunigende Wachstum digitaler Daten durchdringt einzelne Produktionsvorgänge ebenso wie ganze Unternehmungen, Organisationen und wissenschaftliche Projekte. Neben klassischen Transaktionsdaten fallen Daten aus der Logistik (RFID, GIS), Social Media, dem Internet der Dinge und aus öffentlichen Angeboten (Open Data) in immer größerer Menge und Vielfalt an. Die effektive Auswertung dieser Datenmengen erfordert von Beschäftigten aller Branchen völlig neue Qualifikationen."

Um die Teilnehmenden für diese neuen Herausforderungen fit zu machen, vereinigt der Weiterbildungskurs „Data Science“ Fachwissen aus der Informatik mit quantitativen Methoden und Aspekten des Informations- und Kommunikationsdesigns. Dabei wird mit R und Python gearbeitet und die effektive Nutzung der Business Intelligence Werkzeuge Power Query und Power View entlang der Wertschöpfungskette gezeigt. Auch auf Azure Machine Learning wird mit konkreten Beispielen Bezug genommen.

Konzeption und Entwicklung

Der Zertifikatskurs Data Science wurde von der Agentur für wissenschaftliche Weiterbildung und Wissenstransfer e.V. (AWW) an der Technischen Hochschule Brandenburg bereits viermal erfolgreich durchgeführt. Ab dem Wintersemester 2019/20 wird dieser Kurs vom Fernstudieninstitut der Beuth Hochschule für Technik Berlin angeboten.

Abschluss

Hochschulzertifikat „Data Scientist“ der Beuth Hochschule für Technik Berlin nach erfolgreichem Bestehen aller Modulleistungen (Module 1 bis 3).

Die Teilnahme an einzelnen Modulen wird nach erfolgreichem Bestehen der Modulleistung mit dem Modultitel zertifiziert.

Lehrinhalte

Der Zertifikatskurs "Data Science" umfasst folgende Module, die einzeln buchbar sind:

Wissenschaftliche Leitung & Lehrende

Dr. Peter Lauf: Diplom und Promotion in Volkswirtschaft mit Schwerpunkt in quantitativer Wirtschafts- und Sozialgeschichte an der Universität zu Köln. Datenanalytiker, Marketingleiter, Leiter Database und Manager Big Data bei Startups und in den verschiedensten Branchen. 12 Jahre Erfahrung mit R, 20 Jahre Erfahrung mit SPSS, zertifizierter SAS Programmierer. Lehraufträge an Universitäten und Fachhochschulen zu Statistik, Datenmanagement und Datenbanken. 2014 und 2015 Vertretung einer Professur für Quantitative Methoden und Data Mining im Fachbereich Wirtschaftsinformatik der HTW Berlin.

Durchführung

Dauer/Termine: 8 Wochen: 11. Oktober bis 07. Dezember 2019 (Modul 1)
                          8 Wochen: 10. Januar bis 07. März 2020 (Modul 2)
                          10 Wochen: 03. April bis 13. Juni 2020 (Modul 3)
Anmeldung:       bis zum 30. September für das Wintersemester 2019/20
Präsenztermine: jeweils 2 Tage zu Beginn und am Ende eines Moduls

Hier finden Sie detaillierte Informationen zum Aufbau und Ablauf des Fernstudienkurses.

Nutzungsentgelt

1.999,- Euro pro Modul

Zielgruppe / Teilnahmevoraussetzungen

Data Science ist nicht an eine bestimmte Branche gebunden. Der Kurs richtet sich an alle, die bereits jetzt mit Datenanalysen befasst sind, also insbesondere an Ökonomen, Ingenieure und Informatiker.

Teilnahmevoraussetzung ist der Abschluss eines Hochschulstudiums oder eines vergleichbaren Studiums an einer Berufsakademie (BA) sowie mindestens ein Jahr für die Weiterbildung geeignete Berufserfahrung; außerdem wünschen wir uns ein (kurzes) Motivationsschreiben, um die Kursinhalte optimal auf die Bedürfnisse unserer Teilnehmenden auszurichten.
Besondere Vorkenntnisse im Programmieren mit R und Python sind nicht erforderlich, wir freuen uns jedoch über Offenheit gegenüber neuen Methoden, Werkzeugen und Fragestellungen.

Einzelne Module im Fachgebiet "Data Science"

Modul 1: Datenvorverarbeitung (Data Preparation and Data Wrangling)
Modul 2: Quantitative Methoden und Data Mining
Modul 3: Darstellung der Analyseergebnisse (Storytelling)