Data Science

Unternehmensdaten als Wettbewerbsfaktor

Unter dem Begriff „Data Science“ werden verschiedene Fachgebiete – Datenbanken, Statistik, maschinelles Lernen, Data Mining, Mathematik, Visualisierung – kombiniert und zu einem Gesamt­konzept zusammengefügt. Eine zielgerichtete datengestützte Entscheidungsfindung wird damit ermöglicht.

Termine

Freitag, 6.10. - Samstag, 7.10.2017

Data Science Prinzipien und Strategie

  • Digitale Transformation und Data Science
  • Das datengetriebene Unternehmen
  • Big Data: Volume, Velocity, Variability, Veracity
  • Das Berufsbild des Data Scientist

 

Uhrzeit

  • Jeweils 9.00 - 17.00 Uhr

 

Format

  • Präsenz (Vorlesung an der HNU)
Freitag, 13.10. - Samstag, 14.10.2017

Big Data Technologien

  • Frameworks (Hadoop, etc.)
  • NoSQL Datenbanken

 

Uhrzeit

  • Freitag: 16.00 - 19.30 Uhr
  • Samstag: 9.00 - 12.30 Uhr

 

Format

  • Virtueller Hörsaal (Live-Stream der Vorlesung in einem virtuellen 3D-Hörsaal)
Freitag, 20.10. - Samstag, 21.10.2017

Data Mining und Predictive Analytics

  • Beschreibende Verfahren: Assoziationen, Clusterung, Korrelationen
  • Forecasting: Klassifikation, Logistische Regression und Lineare Regression
  • Analyse Sozialer Netzwerke und Text Mining

 

Uhrzeit

  • Jeweils 9.00 - 17.00 Uhr

 

Format

  • Präsenz
Freitag, 27.10. - Samstag, 28.10.2017

Data Mining und Predictive Analytics

  • Beschreibende Verfahren: Assoziationen, Clusterung, Korrelationen
  • Forecasting: Klassifikation, Logistische Regression und Lineare Regression
  • Analyse Sozialer Netzwerke und Text Mining

 

Uhrzeit

  • Jeweils 9.00 - 17.00 Uhr

 

Format

  • Präsenz
Freitag, 10.11. - Samstag, 11.11.2017

Visual Analytics

  • Prinzipien effektvoller Visualisierung
  • Data Story Telling

 

Uhrzeit

  • Freitag: 16.00 - 19.30 Uhr
  • Samstag: 9.00 - 12.30 Uhr

 

Format

  • Virtueller Hörsaal
Freitag, 17.11. - Samstag, 18.11.2017

Freitag: Schriftliche Prüfung / Fallstudien Projektarbeit

Samstag: Data Engineering

  • Datenentwurf und Modellierung analytischer Anwendungen
  • Data Cleansing und Entity Resolution 

 

Uhrzeit

  • Jeweils 9.00 - 17.00 Uhr

 

Format

  • Präsenz
Freitag, 24.11. -Samstag, 25.11.2017

Data Engineering

  • Datenentwurf und Modellierung analytischer Anwendungen
  • Data Cleansing und Entity Resolution 

 

Uhrzeit

  • Freitag: 16.00 - 19.30 Uhr
  • Samstag: 9.00 - 12.30 Uhr

 

Format

  • Virtueller Hörssal

 

 

Freitag, 1.12. - Samstag, 2.12.2017

Data Science als Prozess

  • Data Science Life Cylce
  • Standard-Prozess-Modell für Data Mining

 

Uhrzeit

  • Freitag: 16.00 - 19.30 Uhr
  • Samstag: 9.00 - 12.30 Uhr

 

Format

  • Virtueller Hörsaal
Freitag, 12.01.2018

Fallstudien Präsentationen

 

Uhrzeit

  • 9.00 - 17.00 Uhr

 

Format

  • Virtueller Hörsaal

 

 

Akkreditierungen und Zertifikate