Diese Webseite nutzt Cookies

Diese Webseite nutzt Cookies zur Verbesserung des Erlebnisses unserer Besucher. Indem Sie weiterhin auf dieser Webseite navigieren, erklären Sie sich mit unserer Verwendung von Cookies einverstanden. Mehr

Einige dieser Cookies sind technisch zwingend notwendig, um gewissen Funktionen der Webseite zu gewährleisten.

Darüber hinaus verwenden wir einige Cookies, die dazu dienen, Informationen über das Benutzerverhalten auf dieser Webseite zu gewinnen und unsere Webseite auf Basis dieser Informationen stetig zu verbessern.

Datenvorverarbeitung (Data Preparation and Data Wrangling) - Modul 1

Studienziel

Die Teilnehmerinnen und Teilnehmer lernen die Tools und Methoden zur Erarbeitung auswertungsbereiter Datensätze aus unterschiedlichsten Quellen / Vorsystemen kennen (SQL sowie R, Python oder PowerQuery). 

Abschluss

Hochschulzertifikat der Beuth Hochschule für Technik Berlin
(bei Absolvierung der modulbegleitenden Aufgaben und der Modulprüfung; 5 Creditpoints nach ECTS);
ansonsten Teilnahmebescheinigung

Lehrinhalte

  • Datenakquise (Erhebung, Transaktionsdaten, Public Data)
  • Data Assessment (inhaltliche Eignung, Validierung, Entity Resolution)
  • Vorverarbeitung von Variablen und Datensätzen: Aggregation, Gruppierung, Transformation, Filterung, Teilmengen: Spalten und Zeilen
  • unstrukturierte Daten und Skriptsprachen
  • Datenbankgrundlagen und SQL

Lehr- und Lernmethoden

Problem based learning; Vorträge, problemorientierte Übungen und Aufgaben

Durchführung

Dauer: 8 Wochen 
Beginn: Oktober 2019
Anmeldung: jederzeit zum nächsten Beginn
Präsenztermine: 11./12. Oktober 2019 und 06./07. Dezember 2019

Nutzungsentgelt

(vorbehaltlich Kuratoriumsbeschluss)

1.999,- Euro 

Zugangsvoraussetzungen

  • Abschluss eines Hochschulstudiums oder eines vergleichbaren Studiums an einer Berufsakademie (BA)
  • mindestens ein Jahr für die Weiterbildung geeignete Berufserfahrung
  • Besondere Vorkenntnisse im Programmieren mit R und Python sind nicht erforderlich, jedoch die Bereitschaft, sich in diese Programme einzuarbeiten.
  • Interesse an der Teilnahme durch berufliche Erfahrungen in einem der Themenfelder (Vorverarbeitung, Datenanalyse, Ergebniskommunikation).

Detaillierte Informationen:

Aufbau und Ablauf des Fernstudienkurses

weiter zu Modul 2: Quantitative Methoden und Data Mining