030 4504-6000

Mo. – Fr.: 08:00 – 17:00 Uhr

Modul 2

Statistische Grundlagen und KI-gestützte Datenanalyse

Überblick

Überblick

Studienziele Modul 2

Die Teilnehmenden wenden grundlegende Methoden der deskriptiven Statistik und der Wahrscheinlichkeitsrechnung an. Sie verstehen die Konzepte der bedingten Wahrscheinlichkeit und wenden das Theorem von Bayes auf praktische Fragestellungen an. Die Teilnehmenden kennen den Unterschied zwischen überwachtem und unüberwachtem Lernen und wenden Verfahren aus dem Data Mining – Assoziation, Klassifikation und Clusterung – kompetent an. Sie beurteilen Modelle anhand geeigneter Gütemaße und interpretieren Ergebnisse kritisch.

Die Teilnehmenden lernen kennen die Möglichkeiten und Grenzen der KI im Zusammenhang mit der Datenanalyse kennen und erhalten Wissen über algorithmische Verzerrung, Halluzinationen und regulatorische Rahmenbedingungen.

Technologisch steht R im Mittelpunkt. Die Teilnehmenden werden ermutigt, R-Programme mithilfe von KI-Werkzeugen in Python zu übersetzen und dabei die konzeptionelle Übertragbarkeit zu reflektieren.

Zugangsvoraussetzungen

  • Abschluss eines Hochschulstudiums oder eines vergleichbaren Studiums an einer Berufsakademie (BA)
  • mindestens ein Jahr für die Weiterbildung geeignete Berufserfahrung
  • Vorkenntnisse in Statistik (Deskriptive Statistik, Wahrscheinlichkeitsrechnung) sind von Vorteil
  • Interesse an der Teilnahme durch berufliche Erfahrungen in einem der Themenfelder (Vorverarbeitung, Datenanalyse, Ergebniskommunikation).

Detaillierte Informationen:

Aufbau und Ablauf des Fernstudienkurses Data Science

Dauer:
8 Wochen
Beginn:
8. Januar 2027
Anmeldung:
jederzeit zum nächsten Beginn
Präsenztermine:
08. Januar 2027 14:30 Uhr bis 09. Januar 16:00 Uhr
05. März 2027 14:30 Uhr bis 06. März 16:00 Uhr
Start
08. Januar 2027
Bewerbungsfrist
13. Dezember 2026
Nutzungsentgelt
1.500 €
Studienkoordination
Gabriele Gessler, Dipl.-Ing.

Details

Lehrinhalte

Statistisches Fundament:

  • Datenorganisation und Häufigkeitsverteilungen, Exploration
  • Kennwerte: Lage, Streuung, Form und Symmetrie
  • Kontingenz und Korrelation
  • Regression als Brücke zum Data Mining
  • Wahrscheinlichkeitsrechnung: Grundlagen, Zufallsvariablen, Verteilungen, Bayes-Regel

Datentransformation:

  • Normalisierung, Skalierung, z-Transformation
  • Feature Selection und Feature Engineering

Data Mining – die Workhorses:

  • Assoziationsanalysen und Interessantheitsmasse
  • Klassifikation: Entscheidungsbäume, Modellbewertung, Konfusionsmatrix, ROC-Analyse
  • Clusteranalysen: Ähnlichkeits- und Distanzmaße

KI in der Datenanalyse:

  • Möglichkeiten und Risiken: Halluzinationen, Algorithmic Bias, falsches Konfidenzgefühl, Schmeichelei
  • Regulatorischer Rahmen: EU AI Act aus der Anwenderperspektive

Lehr- und Lernmethoden

Problem based learning; Vorträge, problemorientierte Übungen und Aufgaben

Abschluss

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

Downloadmaterial Data Science

Erfolgsgeschichten

Als Marktforscher hatte ich gewisse Vorkenntnisse in Statistik, wollte aber mit dem Zertifikatskurs Data Science meine Kenntnisse vor allem in Hinsicht auf Digitalisierung und Umgang mit Big Data aktualisieren, um mich auf dem Arbeitsmarkt für entsprechende Positionen zu qualifizieren. Insbesondere die intensive Anwendung der Programmiersprache R hat mir viel gebracht; als reiner Anwender bin ich der Programmierer-Denke etwas näher gekommen und habe vielfältige Möglichkeiten statistischer Datenanalyse kennengelernt. Der Kurs deckt ein ungemein breites Spektrum ab, das sicherlich auch für die unterschiedlichsten beruflichen Positionen Nutzen abwirft. Der Dozent Herr Dr. Lauf bringt die Inhalte mit großem Engagement und Sachverstand sehr verständlich näher, was bei mir auch eine gewisse Lernfreude ausgelöst hat. Es gibt unzählige Möglichkeiten und Anregungen, um Inhalte, die zur persönlichen Interessenlage oder zur persönlichen beruflichen Situation passen, zu vertiefen. Für mich hat der berufsbegleitende Aufbau von der zeitlichen Inanspruchnahme her funktioniert. Etwas zu kurz kommt meiner Meinung nach nur der interaktive Aspekt (sowohl Dozent-Student als auch die Studenten unter sich, was durch die coronabedingte Absage von Präsenzterminen natürlich noch einmal verstärkt wurde). Die Betreuung durch den Dozenten und durch das Fernstudieninstitut ließ jedoch keine Wünsche offen. „Coronabedingt“ hat sich für mich im alten Job einiges verändert, so dass meine beruflichen Veränderungspläne etwas zurückgestellt sind, aber meine Ausbeute an Bewerbungsgesprächen hatte sich (vor Corona) allein mit dem Vorweisen der beginnenden Zusatzqualifikation merklich verbessert, so dass ich die Weiterbildung jetzt als gute Absicherung für schwierige Zeiten auf dem Arbeitsmarkt sehe. Ich kann den Kurs also guten Gewissens allen empfehlen, die wie ich in relativ kurzer Zeit möglichst viel über Data Science lernen wollen

Michael S.

August 2020

Sie interessieren sich für "Statistische Grundlagen und KI-gestützte Datenanalyse"?

Beratung

Sabine Braun, M.A.

Berliner Hochschule für Technik
Fernstudieninstitut Berlin
Haus Bauwesen, D K36
Luxemburger Str. 10
13353 Berlin

030 4504-6018

Anmeldung

Melden Sie sich hier für die Teilnahme an unserem Studienprogramm an:

Online-Anmeldung

Jetzt unverbindlich Informationsmaterial anfordern