Data Science - Praxis

Zielgruppen:

Interessenten mit abgeschlossener Berufsausbildung oder Berufserfahrungen im Medienbereich, Kommunikationsbereich oder kaufmännischen Bereich, die sicher im Umgang mit dem PC sind sowie eine Affinität zum Internet und digitalen Medien haben und die sich im Thema: Data Science - Praxis weiterbilden wollen.

Fachliche Voraussetzungen:

Keine besonderen Anforderungen.

Technische Voraussetzungen:

Keine besonderen Anforderungen.

Systematik der Agenturen für Arbeit:

keine Angaben

Inhalte

Data Science Prozesse verstehen


Viele der Personen, die in den Data Science Teams arbeiten, werden keine Datenwissenschaftler sein. Sie werden die Führungskräfte und Mitarbeiter sein, die aus den Daten Ihres Unternehmens einen echten Geschäftsnutzen ziehen wollen.

Diese Teammitglieder müssen die Sprache der Data Science verstehen, damit sie bessere Fragen stellen, Prozesse verstehen und ihre Teams und Organisationen effektiv zu besseren datengesteuerten Entscheidungen führen können. Sie erhalten eine Einführung in das die verschiedenen Aspekte des Data Science.

Sie werden Konzepte, Werkzeuge und Techniken für große Datenmengen kennenlernen, darunter das Sammeln und Sortieren von Daten, die Arbeit mit Datenbanken, das Verständnis strukturierter und unstrukturierter Datentypen und die Anwendung statistischer Analysen.

So lernen Sie, die Sprache der Datenwissenschaft zu sprechen, damit Sie Ihre Organisation durch die Möglichkeiten und Potentiale in diesem dramatisch wachsenden Bereich führen können.

Was ist die Data Science?
- Definieren Sie eine interdisziplinäre Praxis
- Verwendung von Statistiken und Software
- Erkenntnisse aufdecken und Wissen schaffen

Arbeiten mit Datenbanken
- Verbindungen mit relationalen Datenbanken herstellen
- Mit ETL Daten in Lagerhäuser bringen
- Mit NoSQL die Vergangenheit loslassen
- Big Data Probleme angehen

Erkennen verschiedener Datentypen
- Mit strukturierten Daten die Dinge einfach halten
- Semistrukturierte Daten verwenden
- Sammeln unstrukturierter Daten
- Datenmüll verarbeiten

Statistische Analyse anwenden
- Beginnen Sie mit deskriptiven Statistiken
- Wahrscheinlichkeit verstehen
- Eine Korrelation finden
- Sehen Sie, wie Korrelation keine Kausalität impliziert
- Kombinationstechniken für die prädiktive Analytik

Fallstricke vermeiden
- Fokus auf Wissen


In den frühen 1990er Jahren war die Aufgabe der Zukunft die Web-Entwicklung. Hochqualifizierte technische Web-Superhelden sollten uns durch das verworrene Netz helfen. Diese Helden waren dazu bestimmt, den eCommerce voranzutreiben. Aber es hat sich nicht so entwickelt. Tools wie Wordpress, CRM und Salesforce ermöglichten es jedem, sich an der Erstellung von Websites zu versuchen, anstatt sich auf einzelne Superhelden zu verlassen, denn die meisten Unternehmen verfügten über Webentwicklungsteams. Projektmanager, Geschäftsanalysten und Grafikdesigner arbeiteten zusammen, um komplexe Weblösungen zu erstellen. Die Entwickler waren nur ein Teil eines größeren Teams. Dasselbe wird mit der Datenwissenschaft geschehen. Anstelle einiger weniger Superhelden werden die meisten Organisationen Datenwissenschaftsteams haben. Diese Teams werden zusammenarbeiten, um mehr Wert aus ihren Daten herauszuholen. Sie werden interessante Fragen stellen und durch Forschung und Entwicklung größere Erkenntnisse gewinnen. Datenwissenschaftler werden nur ein Teil eines größeren datenwissenschaftlichen Teams sein.


Die Weiterbildung "Data Science - Praxis" bieten wir Ihnen als Coaching, Workshop, Training - Live-Online und Vor-Ort an.