Beschreibung
Data Science & KI
Vom Datenchaos zur fundierten Entscheidungsfindung
Kompetenzen im Bereich Data Science und Künstliche Intelligenz sind eine lohnende Investition in Ihre berufliche Weiterentwicklung. Dieser Zertifikatskurs vermittelt Kompetenzen zur Modellierung, Speicherung und Analyse strukturierter und unstrukturierter Daten. Es wird Verständnis zu statistischen Methoden und Techniken wie der Formulierung von Hypothesen und dem Testen der statistischen Signifikanz sowie das Verstehen von Anomalien in Daten vermittelt.
Die Teilnehmenden erlernen wesentliche Vorgehensweisen und Verfahren zum Data Mining. Sie können mit verbreiteten Programmiersprachen und Programmpaketen (R, RStudio, Python, VS Code) nichttriviale Muster in vorliegenden strukturierten und unstrukturierten Daten erkennen und nutzen. Sie kennen die Vor- und Nachteile eines Einsatzes ausgewählter Verfahren wie Entscheidungsbäume, Neuronale Netze, Random Forests, Gradient Boosting Machines, Clickstreamanalyse und verfügen über entsprechende Erfahrungen in der eigenständigen Anwendung. Auf Grundlage der Datenanalysen werden Techniken zur Visualisierung komplexer Datensätze vermittelt, die eine effektive Kommunikation der Ergebnisse unterstützen.
Schließlich erlernen die Teilnehmenden Grundlagen des maschinellen Lernens, einschließlich der verschiedenen Arten von Lernalgorithmen und wie sie diese einsetzen können. Die Teilnehmenden werden mit der Terminologie der KI vertraut gemacht, was ihnen hilft, Fachgespräche zu führen und Literatur zu verstehen. Fairness wird thematisiert, um sicherzustellen, dass KI-Systeme ohne Vorurteile agieren und alle Nutzer gerecht behandeln. So vermittelt der Kurs Kompetenzen, um das Potential von KI zu erkennen, die Interaktion mit KI-Systemen zu verstehen und ein Bewusstsein für die ethischen Aspekte im Umgang mit KI zu entwickeln.
Kommende Starttermine
Inhalte / Module
Tag 1
Einführung in Data Science
- Motivation
- Daten: Strukturiert vs. Unstrukturiert
- Vorgehensmodelle für Data Science
- Speicherkonzepte strukturierte Daten
Datenströme
- Echtzeitdatenverarbeitung
- ELT vs. ETL
- Architekturen
Speicherkonzepte / NoSQL
- Echtzeitdatenverarbeitung
- ELT vs. ETL
- Architekturen
Tag 2
Einführung Datenanalysen
- Motivation
- Datentypen
- Metadaten
Explorative Datenanalyse
- Datenqualität und häufigste Probleme
- Verteilungen
- Deskriptive Statistik
- Outlier
Tag 3
Einführung ins Data Mining
- Grundidee des Data Mining
- Entscheidungsbäume und Neuronale Netze
- Beispielanwendungen mit R und RStudio
Fortgeschrittene Verfahren des Data Mining
- Random Forests
- Gradient Boosting Machines
- Beispielanwendungen mit R und RStudio
Praktische Übung
- Gruppenarbeit
- Ergebnispräsentation
Web Mining
- Clickstreamanalyse
- Beispielanwendungen mit R und RStudio sowie Python und VS Code
Tag 4
Datenvisualisierung
- Motivation
- Diagrammtypen
- Wahrnehmung
Fortgeschrittene Datenvisualisierung
- Netzwerkvisualisierung
- Farbenlehre
Praktische Übung
- Erstellung eines (Entscheidungs-)Dashboards, welches die erlernten Visualisierungsprinzipien umsetzt
Use Case Study
- Praktische Fallanwendung der Lehrinhalte von Tag 1 bis Tag 3
Tag 5
Einführung in KI
- Grundlagen des Maschinellen Lernens
- Begrifflichkeiten KI
Mensch-KI Kollaboration
- Formen
- Erklärbarkeit & Transparenz
- Fairness
- Vertrauen
Kreative KI
- Grundlagen
- Technische Methoden
- Beispiele
Nutzen & Mehrwert
Fünf Gründe für den Zertifikatskurs „Data Science und Künstliche Intelligenz“
- Erwerb fundierter Kenntnisse im Bereich Data Science zur beruflichen Weiterentwicklung
- Erlernen von Methoden zur systematischen Analyse digitaler Daten
- Tieferes Verständnis für den Umgang, Analyse und Visualisierung digitaler Daten
- Vermittlung von Kompetenzen zur effizienten Erstellung von Datenanalysen-Dashboards
- Vermittlung eines verantwortungsvollen Umgangs mit KI-Techniken
Zielgruppe / Voraussetzungen
Zielgruppe
Der Kurs richtet sich an Personen, die sich beruflich mit folgenden Bereichen beschäftigen:
- IT und Softwareentwicklung
- Ingenieurwesen und Technik
- Business- und Marketing-Analyse
- Projektmanagement und Teamleitung
- Personen, die sich im Bereich Data Science weiterbilden möchten
Voraussetzungen
Die Teilnahme am Zertifikatskurs „Data Science und Künstliche Intelligenz“ setzt folgende Kenntnisse/Erfahrungen voraus:
- Abgeschlossene Berufsausbildung und mindestens 2 Jahre Berufserfahrungoder
- Albgeschlossenes Hochschulstudium
Abschlussqualifikation / Zertifikat
Zertifikat „Data Science und Künstliche Intelligenz“ der Universität Bayreuth
Kostenzusatz
Im Teilnahmeentgelt sind alle Kosten für Verpflegung während der Unterrichtszeiten und Lehrmaterialien enthalten. Diese Kosten sind als Fortbildungskosten im Rahmen der Werbungskosten steuerlich absetzbar.
Infos anfordern
Campus-Akademie der Universität Bayreuth
Die Campus-Akademie bietet seit dem Jahr 2003 Weiterbildungen mit Praxisrelevanz an. Als eigenständige Organisationseinheit der Universität Bayreuth liegt ihr Schwerpunkt bei berufsbegleitender Weiterbildung auf universitärem Niveau. Know-How aus grundständigen Studiengängen der Universität Bayreuth fließt in die passgenauen Angebote der Campus-Akademie. Neben dem Angebot verschiedener Seminare, zertifizierter Lehrgänge...
Erfahren Sie mehr über Campus-Akademie der Universität Bayreuth und weitere Kurse des Anbieters.