030 4504-6000

Mo. – Fr.: 08:00 – 17:00 Uhr

Modul 2

Quantitative Methoden und Data Mining

Überblick

Überblick

Studienziele – Weiterbildung Maschinelles Lernen

Im zweiten Modul der Weiterbildung Data Science (Quantitative Methoden und Data Mining) wenden Sie Methoden der deskriptiven Statistik wie der Stochastik an. Sie besitzen einen Überblick über Zufallsvariablen sowie grundlegende Verteilungen, sie verstehen die Konzepte der bedingten Wahrscheinlichkeit und wenden das Theorem von Bayes auf praktische Fragestellungen an. Die Teilnehmer*innen erarbeiten Datenmodelle und beurteilen Spalten/Attribute/Features vor dem Hintergrund der jeweiligen Fragestellung

Die Teilnehmer*innen der Weiterbildung Maschinelles Lernen kennen den Unterschied zwischen überwachtem und unüberwachtem Lernen und wenden Verfahren aus dem Data Mining (Assoziation, Klassifikation, Clusterung) an.  Die Teilnehmer*innen haben ein Grundverständnis über die Funktion neuronaler Netze. Sie sind über die aktuelle gesellschaftliche Diskussion etwa über algorithmische Verzerrung (Algorithmic Bias) und Ethik in Zusammenhang mit maschinellem Lernen informiert.

Technologisch steht R im Mittelpunkt. Bei den Data Mining Verfahren werden die Lösungen parallel mit R und einem Business Intelligence System (SQL Server) gezeigt.

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 Data Science

Anmeldung

Online-Anmeldung

Dauer:
8 Wochen
Beginn:
Januar 2027
Anmeldung:
jederzeit zum nächsten Beginn
Präsenztermine:
Anfang Januar und Anfang März 2027 (jeweils 1,75 Tage, Fr/Sa)
Nutzungsentgelt
1.500 €
Studienkoordination
Gabriele Gessler, Dipl.-Ing.

Details

Lehrinhalte

Auch das Modul 2 des Kurses Data Science / Statistical Learning ist nicht an eine bestimmte Branche gebunden. Um folgende Lehrinhalte geht es im Modul 2 “Quantitative Methoden und Data Mining”:

Teilnahmevoraussetzung ist der Abschluss eines Hochschulstudiums oder eines vergleichbaren Studiums an einer Berufsakademie (BA) sowie mindestens ein Jahr für die Weiterbildung geeignete Berufserfahrung; außerdem wünschen wir uns ein (kurzes) Motivationsschreiben, um die Kursinhalte optimal auf die Bedürfnisse unserer Teilnehmenden auszurichten. Erste Erfahrungsberichte von Absolvent*innen finden Sie hier.
Besondere Vorkenntnisse im Programmieren mit R und Python sind nicht erforderlich, wir freuen uns jedoch über Offenheit gegenüber neuen Methoden, Werkzeugen und Fragestellungen.

Abschluss

Hochschulzertifikat „Data Scientist“ der Berliner Hochschule für Technik nach erfolgreichem Bestehen aller Modulleistungen (Module 1 bis 3).

Die Teilnahme an einzelnen Modulen wird nach erfolgreichem Bestehen der Modulleistung mit dem Modultitel zertifiziert.

Lehr- und Lernmethoden

Problem based learning; Vorträge, problemorientierte Übungen und Aufgaben

Wissenschaftliche Leitung & Lehrende

Dr. Peter Lauf: Diplom und Promotion in Volkswirtschaft mit Schwerpunkt in quantifizierender Wirtschafts- und Sozialgeschichte an der Universität zu Köln. Datenanalytiker, Marketingleiter, Leiter Database und Manager Big Data bei Startups und in den verschiedensten Branchen. 12 Jahre Erfahrung mit R, 20 Jahre Erfahrung mit SPSS, zertifizierter SAS Programmierer. Lehraufträge an Universitäten und Fachhochschulen zu Statistik, Datenmanagement und Datenbanken. Vertretung einer Professur für Quantitative Methoden und Data Mining im Fachbereich Wirtschaftsinformatik der HTW Berlin. Bis Wintersemester 2020/21 Professor für Business Information Systems an der Digital Business University (DBU) in Berlin.

Nutzungsentgelt

1.500,- Euro pro Modul

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 "Quantitative Methoden und Data Mining"?

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